Python 从字典中提取数据

我有两个制表符分隔的文件，文件1包含标识符，文件2包含与这些标识符相关的值（或者说它是一个非常大的字典）

文件1

Ronny Rubby Suzie Paul 龙尼 鲁比 苏西 保罗 文件1只有一列

文件2

Alistar Barm Cathy Paul Ronny Rubby Suzie Tom Uma Vai Zai 12 13 14 12 11 11 12 23 30 0.34 0.65 1 4 56 23 12 8.9 5.1 1 4 25 3 阿利斯塔·巴尔姆·凯西·保罗·罗尼·鲁比·苏西·汤姆·乌玛·瓦伊·扎伊 12 13 14 12 11 11 12 23 30 0.34 0.65 1 4 56 23 12 8.9 5.1 1 4 25 3 n文件2中存在的行数

我想要的是，如果文件1的标识符存在于文件2中，那么我应该在另一个以制表符分隔的文件中包含与之相关的所有值

大概是这样的：

Paul Ronny Rubby Suzie 12 11 11 12 23 12 8.9 5.1 保罗·罗尼·鲁比·苏西 12 11 11 12 23 12 8.9 5.1 提前谢谢。

注意

您的示例输出不正确，因为您有“Ruby”，但在您的file1示例中有“Rubby”Ruby=/=Rubby

kent$  awk 'NR==FNR{t[$0]++;next}
{if(FNR==1){
        for(i=1;i<=NF;i++)
                if($i in t){
                        v[i]++;
                        printf $i"\t";
                }
        print "";
        }else{
        for(x in v)
                printf $x"\t"
        print "";
}

}' file1 file2

$awk'文件名~1{a[$0]；next}；FNR==1{for（i=1；i文件名~1{a[$0]；next}
>FNR==1{for（i=1；i{for（b中的j）printf（“%s\t”，$j）；print”“}
>'文件{1,2}.txt
保罗罗尼苏西
12      11      12
23      12      5.1

您只能使用bash来执行此操作：

FIELDS=`head -1 f2.txt | tr "\t" "\n" | nl -ba | grep -f f1.txt | cut -f1 | tr -d " " | tr "\n" ","`; FIELDS=${FIELDS/%,/}
cut -f$FIELDS f2.txt 
Paul    Ronny   Ruby    Suzie
12  11  11  12
23  12  8.9 5.1

---

Python中执行流中工作的示例（即：在开始输出之前不需要加载完整文件）：

输出：

$ python test.py 
Ronny   Ruby    Suzie   Paul
11      11      12      12
12      8.9     5.1     23

Perl解决方案：

#!/usr/bin/perl
use warnings;
use strict;

open my $KEYS, '<', 'file1' or die $!;
my @keys = <$KEYS>;
close $KEYS;
chomp @keys;
my %is_key;
undef @is_key{@keys};

open my $TAB, '<', 'file2' or die $!;
$_ = <$TAB>;
my ($i, @columns);
for (split) {
    push @columns, $i if exists $is_key{$_};
    $i++;
}
do {{
    my @values = split;
    print join("\t", @values[@columns]), "\n";
}} while <$TAB>;

！/usr/bin/perl
使用警告；
严格使用；
打开我的$KEYS，“类似的东西可能会起作用，这取决于你想要什么

use strict;
use warnings;

my %names;
open ( my $nh, '<', $name_file_path ) or die "Could not open '$name_file_path'!";
while ( <$nh> ) { 
    m/^\s*(.*?\S)\s*$/ and $names{ $1 } = 1; 
}
close $nh;

my $coln = -1;
open ( my $dh, '<', $data_file_path ) or die "Could not open '$data_file_path'!";

my ( @name_list, @col_list )
my @names = split /\t/, <$dh>;
foreach my $name ( 0..$#names ) {
    next unless exists $names{ $names[ $name ] };
    push @name_list, $name;
    push @col_list, $coln;
}
local $" = "\t";
print "@name_list\n";
print "@{[ split /\t/ ]}[ @col_list ]\n"  while <$dh>;
close $dh;

使用严格；
使用警告；
我的%姓名；
打开（my$nh，“这可能适合您：

 sed '1{s/\t/\n/gp};d' file2 |
 nl |
 grep -f file1 |
 cut -f1 |
 paste -sd, |
 sed 's/ //g;s,.*,cut -f& /tmp/b,' |
 sh

说明：

透视列名
给列名编号
将列名与输入文件匹配
删除保留列号的列名
以
，
分隔的列编号为轴
从逗号分隔的列编号列表中生成
cut
命令
对数据文件运行
cut
命令
到目前为止，你写了什么代码？你说的
一本很大的字典是什么意思？@Duncan:我不知道如何将列值与行值匹配，然后提取其coulmn中的值。@M42字典总是很大：）@安杰洛：是的，但是1GB、100GB还有多少？@Angelo没问题。但我不会为此改变我的答案。
$ python test.py 
Ronny   Ruby    Suzie   Paul
11      11      12      12
12      8.9     5.1     23

#!/usr/bin/perl
use warnings;
use strict;

open my $KEYS, '<', 'file1' or die $!;
my @keys = <$KEYS>;
close $KEYS;
chomp @keys;
my %is_key;
undef @is_key{@keys};

open my $TAB, '<', 'file2' or die $!;
$_ = <$TAB>;
my ($i, @columns);
for (split) {
    push @columns, $i if exists $is_key{$_};
    $i++;
}
do {{
    my @values = split;
    print join("\t", @values[@columns]), "\n";
}} while <$TAB>;

use strict;
use warnings;

my %names;
open ( my $nh, '<', $name_file_path ) or die "Could not open '$name_file_path'!";
while ( <$nh> ) { 
    m/^\s*(.*?\S)\s*$/ and $names{ $1 } = 1; 
}
close $nh;

my $coln = -1;
open ( my $dh, '<', $data_file_path ) or die "Could not open '$data_file_path'!";

my ( @name_list, @col_list )
my @names = split /\t/, <$dh>;
foreach my $name ( 0..$#names ) {
    next unless exists $names{ $names[ $name ] };
    push @name_list, $name;
    push @col_list, $coln;
}
local $" = "\t";
print "@name_list\n";
print "@{[ split /\t/ ]}[ @col_list ]\n"  while <$dh>;
close $dh;

 sed '1{s/\t/\n/gp};d' file2 |
 nl |
 grep -f file1 |
 cut -f1 |
 paste -sd, |
 sed 's/ //g;s,.*,cut -f& /tmp/b,' |
 sh