Python通过使用字典比较表中的值来选择项
我有一个包含12列的表，希望根据第二列sseqid选择第一列qseqid中的项目。这意味着第二列sseqid在第11列和第12列中以不同的值重复，分别为evalue和bitScore。 我想得到的是最低位值和最高位值。如果值相同，则可以忽略其余列，数据如下所示 因此，我制作了一个简短的代码，它使用第二列作为字典的键。我可以从第二列中得到五个不同的项目，其中包含qseqid+evalueandqseqid+bitscore的列表 代码如下：Python通过使用字典比较表中的值来选择项,python,parsing,dictionary,Python,Parsing,Dictionary,我有一个包含12列的表，希望根据第二列sseqid选择第一列qseqid中的项目。这意味着第二列sseqid在第11列和第12列中以不同的值重复，分别为evalue和bitScore。 我想得到的是最低位值和最高位值。如果值相同，则可以忽略其余列，数据如下所示 因此，我制作了一个简短的代码，它使用第二列作为字典的键。我可以从第二列中得到五个不同的项目，其中包含qseqid+evalueandqseqid+bitscore的列表 代码如下： #!usr/bin/python filename =
#!usr/bin/python
filename = "data.txt"
readfile = open(filename,"r")
d = dict()
for i in readfile.readlines():
i = i.strip()
i = i.split("\t")
d.setdefault(i[1], []).append([i[0],i[10]])
d.setdefault(i[1], []).append([i[0],i[11]])
for x in d:
print(x,d[x])
readfile.close()
由于您是一名Python新手，我很高兴有几个示例说明如何手动执行此操作，但为了进行比较，我将展示如何使用该库来执行此操作，从而使处理表格数据更加简单 由于您没有提供示例输出，我假设每个sseqid的evalue最低，bitscore最高，这意味着每个sseqid中的bitscore最高 给定sseqid的最低评估值；如果你想把它们分开，那也没什么大不了的
import pandas as pd
df = pd.read_csv("acla1.dat", sep="\t")
df = df.sort(["evalue", "bitscore"],ascending=[True, False])
df_new = df.groupby("sseqid", as_index=False).first()
>>> df_new
sseqid qseqid pident length mismatch gapopen qstart qend sstart send evalue bitscore
0 ACT ACLA_095800 91.73 375 31 0 1 375 1 375 0.000000e+00 732.0
1 CALM ACLA_096170 29.33 150 96 4 34 179 2 145 1.000000e-13 55.1
2 EF1A ACLA_028450 85.55 443 63 1 1 443 1 442 0.000000e+00 801.0
3 RPB2 ACLA_065630 65.79 1257 386 14 1 1252 4 1221 0.000000e+00 1691.0
4 TBB ACLA_024600 80.00 435 87 0 1 435 1 435 0.000000e+00 729.0
基本上，首先我们将数据文件读入一个名为DataFrame的对象，这有点像Excel工作表。然后，我们按评估值升序排序，以使较低的评估值优先，按位分数降序排序，以使较高的位分数优先。然后，我们可以使用groupby以相等的sseqid分组收集数据，并在每组中取第一个，因为排序将是我们想要的。虽然不像使用PandasLibrary那样优雅和简洁，但不需要借助第三方模块就可以做您想做的事情。下面使用Collections.defaultdictclass帮助创建记录可变长度列表的字典。TTRDictClass的使用是可选的，但它使访问每个基于字典的记录的字段变得更容易，并且与通常需要的ICT['fieldname']语法相比，外观也不那么尴尬
import csv
from collections import defaultdict, namedtuple
from itertools import imap
from operator import itemgetter
data_file_name = 'data.txt'
DELIMITER = '\t'
ssqeid_dict = defaultdict(list)
# from http://stackoverflow.com/a/1144405/355230
def multikeysort(items, columns):
comparers = [((itemgetter(col[1:].strip()), -1) if col.startswith('-') else
(itemgetter(col.strip()), 1)) for col in columns]
def comparer(left, right):
for fn, mult in comparers:
result = cmp(fn(left), fn(right))
if result:
return mult * result
else:
return 0
return sorted(items, cmp=comparer)
# from http://stackoverflow.com/a/15109345/355230
class AttrDict(dict):
def __init__(self, *args, **kwargs):
super(AttrDict, self).__init__(*args, **kwargs)
self.__dict__ = self
with open(data_file_name, 'rb') as data_file:
reader = csv.DictReader(data_file, delimiter=DELIMITER)
format_spec = '\t'.join([('{%s}' % field) for field in reader.fieldnames])
for rec in (AttrDict(r) for r in reader):
# Convert the two sort fields to numeric values for proper ordering.
rec.evalue, rec.bitscore = map(float, (rec.evalue, rec.bitscore))
ssqeid_dict[rec.sseqid].append(rec)
for ssqeid in sorted(ssqeid_dict):
# Sort each group of recs with same ssqeid. The first record after sorting
# will be the one sought that has the lowest evalue and highest bitscore.
selected = multikeysort(ssqeid_dict[ssqeid], ['evalue', '-bitscore'])[0]
print format_spec.format(**selected)
预期的结果是什么？这是一个非常好的解决方案，但是熊猫模块需要许多其他模块，这些模块需要首先安装。我可以在Linux上使用Python，但不幸的是，我目前正在使用Windows版本，无法安装六个模块。无论如何，很好，谢谢。这很好，但是输出没有显示qsequid。谢谢你修正我的问题。谢谢。几乎可笑的是，在对你的问题重新格式化之后，我才是不理解你想要的结果的人。无论如何，我在这方面更新了我的答案，因为我知道它更好。
import pandas as pd
df = pd.read_csv("acla1.dat", sep="\t")
df = df.sort(["evalue", "bitscore"],ascending=[True, False])
df_new = df.groupby("sseqid", as_index=False).first()
>>> df_new
sseqid qseqid pident length mismatch gapopen qstart qend sstart send evalue bitscore
0 ACT ACLA_095800 91.73 375 31 0 1 375 1 375 0.000000e+00 732.0
1 CALM ACLA_096170 29.33 150 96 4 34 179 2 145 1.000000e-13 55.1
2 EF1A ACLA_028450 85.55 443 63 1 1 443 1 442 0.000000e+00 801.0
3 RPB2 ACLA_065630 65.79 1257 386 14 1 1252 4 1221 0.000000e+00 1691.0
4 TBB ACLA_024600 80.00 435 87 0 1 435 1 435 0.000000e+00 729.0
import csv
from collections import defaultdict, namedtuple
from itertools import imap
from operator import itemgetter
data_file_name = 'data.txt'
DELIMITER = '\t'
ssqeid_dict = defaultdict(list)
# from http://stackoverflow.com/a/1144405/355230
def multikeysort(items, columns):
comparers = [((itemgetter(col[1:].strip()), -1) if col.startswith('-') else
(itemgetter(col.strip()), 1)) for col in columns]
def comparer(left, right):
for fn, mult in comparers:
result = cmp(fn(left), fn(right))
if result:
return mult * result
else:
return 0
return sorted(items, cmp=comparer)
# from http://stackoverflow.com/a/15109345/355230
class AttrDict(dict):
def __init__(self, *args, **kwargs):
super(AttrDict, self).__init__(*args, **kwargs)
self.__dict__ = self
with open(data_file_name, 'rb') as data_file:
reader = csv.DictReader(data_file, delimiter=DELIMITER)
format_spec = '\t'.join([('{%s}' % field) for field in reader.fieldnames])
for rec in (AttrDict(r) for r in reader):
# Convert the two sort fields to numeric values for proper ordering.
rec.evalue, rec.bitscore = map(float, (rec.evalue, rec.bitscore))
ssqeid_dict[rec.sseqid].append(rec)
for ssqeid in sorted(ssqeid_dict):
# Sort each group of recs with same ssqeid. The first record after sorting
# will be the one sought that has the lowest evalue and highest bitscore.
selected = multikeysort(ssqeid_dict[ssqeid], ['evalue', '-bitscore'])[0]
print format_spec.format(**selected)