Python：连接包含特定字符串的行

我想在文件中加入两行，这取决于它们是否以相同的元素开头。
我可以将每行的第一个元素转换为一个列表，并使用列表中的元素搜索每行，但这似乎不是最有效的方法

我有以下文件

1,AF534061.1,T,A  
1,K02718.1,T,A  
16,AF534061.1,G,-  
16,K02718.1,G,-  
17,AF534061.1,T,-  
17,K02718.1,T,-  
18,AF534061.1,A,-  
18,K02718.1,A,-  
19,AF534061.1,T,-  
19,K02718.1,T,-  
20,AF534061.1,A,-  
20,K02718.1,A,-  
21,AF534061.1,A,-   
21,K02718.1,A,-  
24,AF534061.1,C,T   

如果第一项在两行之间共享，我想连接行。所以我想得到以下输出

1,AF534061.1,T,A,1,K02718.1,T,A
16,AF534061.1,G,-,16,K02718.1,G,-
17,AF534061.1,T,-,17,K02718.1,T,-
18,AF534061.1,A,-,18,K02718.1,A,-
19,AF534061.1,T,-,19,K02718.1,T,-
20,AF534061.1,A,-,20,K02718.1,A,-
21,AF534061.1,A,-,21,K02718.1,A,-
24,AF534061.1,C,T

在本例中，看起来我可能只能每隔一行加入一行，但我希望（需要）使代码更通用

我不认为这很难，但我似乎无法理解！

---

感谢您的帮助

您可以使用正则表达式和反向引用

print re.sub(r'(([^,]+).*)\n(\2.*\n)', r'\1\3', data)

下面是解释的表达式：

(             # Start of first line
 (            # Start of first part of line, refered to as \2
  [^,]+       # Everything before the first comma
 )
 .*           # Remainder of first line
)             # This new line isn't in any capture groups, so it'll be 
\n            #  removed from any matched results
(             # Start of second line
  \2          # This takes the first part of the first line and requires 
              #  it to match again
  .*          # Remainder of second line
  \n          # We include this newline to make the next search start at 
              #  the start of the following line.  It's reinserted because
              #  it's in the second line's capture group.
)

---

可以使用正则表达式和反向引用

print re.sub(r'(([^,]+).*)\n(\2.*\n)', r'\1\3', data)

下面是解释的表达式：

(             # Start of first line
 (            # Start of first part of line, refered to as \2
  [^,]+       # Everything before the first comma
 )
 .*           # Remainder of first line
)             # This new line isn't in any capture groups, so it'll be 
\n            #  removed from any matched results
(             # Start of second line
  \2          # This takes the first part of the first line and requires 
              #  it to match again
  .*          # Remainder of second line
  \n          # We include this newline to make the next search start at 
              #  the start of the following line.  It's reinserted because
              #  it's in the second line's capture group.
)

---

我还没有测试过这段代码，但类似的东西应该可以工作：

 common = {}
 for line in file.readLines():
   prefix = line.split(",")[0]
   if prefix in common:
     common[prefix].append(line)
   else:
     common[prefix] = [line]

 for key, values in common:
   print values.join(",")

---

我还没有测试过这段代码，但类似的东西应该可以工作：

 common = {}
 for line in file.readLines():
   prefix = line.split(",")[0]
   if prefix in common:
     common[prefix].append(line)
   else:
     common[prefix] = [line]

 for key, values in common:
   print values.join(",")

---

Python标准库中充满了工具。对于此作业，请使用

导入itertools
行='''1，AF534061.1，T，A
1，K02718.1，T，A
16，AF534061.1，G-
16，K02718.1，G-
17，AF534061.1，T-
17，K02718.1，T-
18，AF534061.1，A-
18，K02718.1，A-
19，AF534061.1，T-
19，K02718.1，T-
20，AF534061.1，A-
20，K02718.1，A-
21，AF534061.1，A-
21，K02718.1，A-
24，AF534061.1，C，T''。拆分（'\n'）
对于键，在itertools.groupby（行，lambda行：行.分区（'，'）[0]）中分组：
打印“，”。加入（组）

Python标准库中充满了工具。对于此作业，请使用

导入itertools
行='''1，AF534061.1，T，A
1，K02718.1，T，A
16，AF534061.1，G-
16，K02718.1，G-
17，AF534061.1，T-
17，K02718.1，T-
18，AF534061.1，A-
18，K02718.1，A-
19，AF534061.1，T-
19，K02718.1，T-
20，AF534061.1，A-
20，K02718.1，A-
21，AF534061.1，A-
21，K02718.1，A-
24，AF534061.1，C，T''。拆分（'\n'）
对于键，在itertools.groupby（行，lambda行：行.分区（'，'）[0]）中分组：
打印“，”。加入（组）

请参见此处以了解详细信息。这看起来是csv可读的。您应该能够使用python的

csv

模块轻松解析此内容。请参阅此处以了解详细信息。此内容看起来是csv可读的。您应该能够使用python的

csv

模块轻松解析此内容。投票被否决的人能否解释一下？我想改进我的答案。谢谢。我没有否决这个，也没有测试它是否有效，但我猜它被否决是因为人们讨厌它，因为你认为第一件事就是用正则表达式解决所有问题。它会导致非常不清楚的代码，尽管这对知识是有益的，所以如果它有效的话，我当然不会否决它。与

groupby

解决方案相比，它看起来非常难看：D@jamylak基于反对regex的倾向而进行的向下投票将与对答案进行投票的目的背道而驰。正则表达式比

groupby

方法更难看或更不清晰是主观的，也不值得投反对票。@jamylak我理解这一点。我想向任何读到这篇文章的人指出，如果你的任何一个猜测是正确的，那么它们都不是投反对票的正当理由。如果你同意，我们可以删除这些评论。@HonestAbe我同意，是的，尽管没有必要删除这些评论。谁投了反对票，请解释一下？我想改进我的答案。谢谢。我没有否决这个，也没有测试它是否有效，但我猜它被否决是因为人们讨厌它，因为你认为第一件事就是用正则表达式解决所有问题。它会导致非常不清楚的代码，尽管这对知识是有益的，所以如果它有效的话，我当然不会否决它。与

groupby

解决方案相比，它看起来非常难看：D@jamylak基于反对regex的倾向而进行的向下投票将与对答案进行投票的目的背道而驰。正则表达式比

groupby

方法更难看或更不清晰是主观的，也不值得投反对票。@jamylak我理解这一点。我想向任何读到这篇文章的人指出，如果你的任何一个猜测是正确的，那么它们都不是投反对票的正当理由。如果您同意，我们可以删除这些评论。@HonestAbe我同意，是的，尽管没有必要删除这些评论。您可以使用

groupby（csv\u reader，key=itemgetter（0））

和

csv\u writer.writerow（chain.from\u iterable（group））

@J.F.Sebastian听起来你应该把它作为一个解决方案提交或添加到这里。你可以使用

groupby（csv\u reader，key=itemgetter（0））

和

csv\u writer.writerow（chain.from\u iterable（group））

@J.F.Sebastian听起来你应该把它作为一个解决方案提交或添加到这里。尽管我被否决了，我做错了什么？我该如何改进我的答案？-1字典没有顺序，所以行可能按正确的顺序输出，也可能不按正确的顺序输出。无需对文件调用

readlines（）

，您只需对f中的行进行如下迭代：

（使用
file
作为名称是不好的，因为它会遮挡内置的行）。您可以使用
common.setdefault（前缀，[]）.append（行）
，而不是检查字典中的键。另外，您的最后一部分，
对于key，values in common:
，甚至不起作用，因为默认情况下字典会迭代键。对于键、公共值，需要
。items（）
以了解我的投票结果，我做错了什么，以及如何改进我的答案？-1字典没有顺序，因此行可能会以正确的顺序输出，也可能不会以正确的顺序输出。无需对文件调用
readlines（）
，您只需对f

中的行进行如下迭代：

（使用
file
作为名称是不好的，因为它会遮挡内置的行）。您可以使用
common.setdefault（前缀，[]）.append（行）
，而不是检查字典中的键。另外，您的最后一部分，
对于key，values in common:
，甚至不起作用，因为默认情况下字典会迭代键。需要
作为键，值在common.it中