Python 生成"；特别"；tsv中仅列索引的字典结构

设想一个选项卡分隔的文件，如下图所示：

9606 1 GO:0002576 TAS-血小板脱颗粒-过程
9606 1 GO:0003674 ND-分子函数
9606 1 GO:0003674 OOO-分子函数
9606 1 GO:0005576 IDA-细胞外区域-成分
9606 1 GO:0005576 TA-细胞外区域-成分
9606 1 GO:0005576 OOO-细胞外区域-成分
9606 1 GO:0005615 HDA-细胞外空间-组件
9606 1 GO:0008150 ND-生物处理-处理
9606 1 GO:0008150 OOO-生物处理-处理
9606 1 GO:0008150 HHH-生物处理-处理
9606 1 GO:0008150 YYY-生物过程-过程
9606 1 GO:0031012 IDA-细胞外基质-成分
9606 1 GO:0043312 TAS-中性粒细胞脱颗粒-过程

我想创建一个函数，它接收包含要保存的信息的列数，并返回一个“特殊”字典。我之所以说“特殊”，是因为在我的例子中，信息总是分类的，但它可以有不同的层次，我厌倦了不断地编写逻辑来为每个层次添加信息。（也许还有另一种方法，我无法寻找，因此，我为我的无知表示歉意）

如果指定的列为8、2和3。类别最高的列为8，类别最低的列为3，可获得预期词典：

three_userinput = "8:2:3"
three = map(lambda x: int(x) - 1, three_userinput.split(":"))
DICT3 = {}
for line in file_handle:
info = line.split("\t")
    if info[three[0]] in DICT3:
        if info[three[1]] in DICT3[info[three[0]]]:
            DICT3[info[three[0]]][info[three[1]]].add(info[three[2]])
        else:
            DICT3[info[three[0]]][info[three[1]]] = set([info[three[2]]])
    else:
        DICT3[info[three[0]]] = {info[three[1]]:set([info[three[2]]])}

pprint.pprint(DICT3)

four_userinput = "8:2:3:4"
four = map(lambda x: int(x) - 1, four_userinput.split(":"))
DICT4 = {}
for line in file_handle:
    info = line.split("\t")
    if info[four[0]] in DICT4:
        if info[four[1]] in DICT4[info[four[0]]]:
            if info[four[2]] in DICT4[info[four[0]]][info[four[1]]]:
                DICT4[info[four[0]]][info[four[1]]][info[four[2]]].add(info[four[3]])
            else:
                DICT4[info[four[0]]][info[four[1]]][info[four[2]]] = set([info[four[3]]])
        else:
            DICT4[info[four[0]]][info[four[1]]] = {info[four[2]]:set([info[four[3]]])}
    else:
        DICT4[info[four[0]]] = {info[four[1]]:{info[four[2]]:set([info[four[3]]])}}

pprint.pprint(DICT4)

输出：

{'Component'：{'1'：set（['GO:0005576'，'GO:0005615'，'GO:0031012']），
'Function'：{'1'：set（['GO:0003674']），
'Process'：{'1'：set（['GO:0002576'，'GO:0008150'，'GO:0043312']）}

现在有四列8、2、3和4。类别最高的列为8，类别最低的列为4，可获得预期词典：

three_userinput = "8:2:3"
three = map(lambda x: int(x) - 1, three_userinput.split(":"))
DICT3 = {}
for line in file_handle:
info = line.split("\t")
    if info[three[0]] in DICT3:
        if info[three[1]] in DICT3[info[three[0]]]:
            DICT3[info[three[0]]][info[three[1]]].add(info[three[2]])
        else:
            DICT3[info[three[0]]][info[three[1]]] = set([info[three[2]]])
    else:
        DICT3[info[three[0]]] = {info[three[1]]:set([info[three[2]]])}

pprint.pprint(DICT3)

four_userinput = "8:2:3:4"
four = map(lambda x: int(x) - 1, four_userinput.split(":"))
DICT4 = {}
for line in file_handle:
    info = line.split("\t")
    if info[four[0]] in DICT4:
        if info[four[1]] in DICT4[info[four[0]]]:
            if info[four[2]] in DICT4[info[four[0]]][info[four[1]]]:
                DICT4[info[four[0]]][info[four[1]]][info[four[2]]].add(info[four[3]])
            else:
                DICT4[info[four[0]]][info[four[1]]][info[four[2]]] = set([info[four[3]]])
        else:
            DICT4[info[four[0]]][info[four[1]]] = {info[four[2]]:set([info[four[3]]])}
    else:
        DICT4[info[four[0]]] = {info[four[1]]:{info[four[2]]:set([info[four[3]]])}}

pprint.pprint(DICT4)

输出：

{'Component'：{'1'：{'GO:0005576'：set（['IDA'，'OOO'，'TAS']），
'GO:0005615'：集合（['HDA']），
'GO:0031012'：set（['IDA']）}，
'Function'：{'1'：{'GO:0003674'：set（['ND'，'OOO']）}，
'Process'：{'1'：{'GO:0002576'：set（['TAS']），
'GO:0008150'：集合（['HHH'，'ND'，'OOO'，'YYY']），
'GO:0043312'：集合（['TAS']）}

现在，当我面对五个级别的信息（五列）时，代码几乎无法阅读，而且非常乏味。。。我可以为每个级别创建特定的函数，但是。。有没有办法设计一个可以处理任意级别的函数

如果我没有解释清楚，请不要犹豫问我。

你需要的是一份工作。这允许您更新条目，而无需首先测试它们是否存在。i、 e.如果不存在，则自动添加默认值。由于您有多个级别，因此需要使用

build\u defaultdict（levels）

函数递归地创建嵌套的defaultdict。设置值也需要递归，但逻辑更简单：

import pprint
import csv
from operator import itemgetter
from collections import defaultdict


def build_defaultdict(levels):
    return defaultdict(set) if levels <= 1 else defaultdict(lambda : build_defaultdict(levels - 1))


def set_value(d, row):
    if len(row) <= 2:
        d[row[0]].add(row[1])
    else:
        d[row[0]] = set_value(d[row[0]], row[1:])

    return d


req_cols = [7, 1, 2, 3]     # counting from col 0

data = build_defaultdict(len(req_cols) - 1)
get_cols = itemgetter(*req_cols)

with open('input.csv', 'r', newline='') as f_input:
    for row in csv.reader(f_input, delimiter='\t'):
        set_value(data, get_cols(row))

pprint.pprint(data)
print(data['Component']['1']['GO:0005576'])        

导入pprint
导入csv
从运算符导入itemgetter
从集合导入defaultdict
def build_DEFAULT DICT（级别）：
如果级别则返回defaultdict（set）您可以定义一个递归函数来执行此操作

def update_nested_dict(d, vars):
    if len(vars) > 2:
        try:
            d[vars[0]] = update_nested_dict(d[vars[0]], vars[1:])
        except KeyError:
            d[vars[0]] = update_nested_dict({}, vars[1:])
    else:
        try:
            d[vars[0]] = d[vars[0]].union([vars[1]])
        except KeyError:
            d[vars[0]] = set([vars[1]])
    return d

根据需要保留尽可能多的代码逻辑和变量名

>>> userinput = "8:2:3:4"
>>> cols = map(lambda x: int(x) - 1, userinput.split(":"))
>>> 
>>> DICT = {}
>>> 
>>> for line in file_handle:
>>>     info = line.replace("\n", "").split("\t")
>>>     names = [info[c] for c in cols]
>>>     _ = update_nested_dict(DICT, names)
>>>
>>> for k, v in DICT.iteritems():
...  print k, v
...
Process {'1': {'GO:0002576': set(['TAS']), 'GO:0008150': set(['YYY', 'OOO', 'HHH', 'ND']), 'GO:0043312': set(['TAS'])}}
Function {'1': {'GO:0003674': set(['OOO', 'ND'])}}
Component {'1': {'GO:0005576': set(['OOO', 'IDA', 'TAS']), 'GO:0005615': set(['HDA']), 'GO:0031012': set(['IDA'])}}

这是什么样的编辑。。。没有附加值，最让我恼火的是。。。为什么我对社区的“感谢”被删除了？这是更快的，虽然它解决了逻辑中繁琐的部分，但字典的结构必须在开始时为每个级别预定义，并介绍信息。我需要找到一种方法来重新定义这两个部分，以便对任何级别都有效。
defaultdict
方法也可以是递归的。我已经更新了答案。