Ruby 突出显示从一个df到另一个df的字符串

我有一个txt文件，如下所示。例如，它有6行。每个原始数据都有一个或多个字符串。例如，第一行只有一个字符串，而第二行有两个字符串（它们用逗号分隔）。我还列出了行数，以明确示例

1 P41182
2 P41152,Q9UQL6
3 P41172
4 Q92793,Q09472,Q9Y6Q9
5 Q15021,TQ9472 
6 Q15021,Q9BPX3,Q15003,O95347,Q9NTJ3

我有另一个文本，如下所示。同样的结构。例如，第一行只有一个字符串，而第二行有两个字符串

1 P41182
2 P41152,Q9UYIU
3 P41172
4 Q9IO93,Q9Y6IT
5 P30561
6 Q15021,Q9BPX3,Q15003,O95347,Q9NTJ3
7 HT8971
8 HLI872

我想知道第二个数据中与第一个数据相似的一些字符串的索引。以下是一些角色：

如果第一个txt文件中只有一个字符串与第二个txt文件匹配，我不想知道索引。如果第一个txt文件中有多个字符串，并且其中一个或一些字符串与第二个txt文件相似，那么我想知道它们的索引，例如，输出应该如下所示
df3

第二个数据的第一个字符串类似于只有1个成员的第一个数据字符串（每个元素中的字符串用逗号分隔），因此我将其保持原样，不需要索引

第二个txt文件中的第二个字符串类似于第一个txt文件中该行的第二行和第一个字符串，因此它得到2_1

第二个txt文件中的第六个字符串类似于第一个txt文件的第五行和第一个字符串，也类似于第一个txt文件的第六行和第一个字符串，因此它得到5_1和6_1

---

等等

我假设数据可以用字符串数组表示

arr1 = ["P41182", "P41152,Q9UQL6", "P41172", "Q92793,Q09472,Q9Y6Q9",
        "Q15021,TQ9472", "Q15021,Q9BPX3,Q15003,O95347,Q9NTJ3"]
arr2 = ["P41182", "P41152,Q9UYIU", "P41172", "Q9IO93,Q9Y6IT", "P30561",
        "Q15021,Q9BPX3,Q15003,O95347,Q9NTJ3", "HT8971", "HLI872"] 

h = arr1.each.with_index(1).with_object({}) do |(s1,i),h|
  next unless s1.include?(',')
  s1.split(',').each.with_index(1) { |s2,j| (h[s2] ||= '') << "_#{i}_#{j}" }
end
  #=> {"P41152"=>"_2_1", "Q9UQL6"=>"_2_2", "Q92793"=>"_4_1", "Q09472"=>"_4_2",
  #    "Q9Y6Q9"=>"_4_3", "Q15021"=>"_5_1_6_1", "TQ9472"=>"_5_2", "Q9BPX3"=>"_6_2",
  #    "Q15003"=>"_6_3", "O95347"=>"_6_4", "Q9NTJ3"=>"_6_5"} 

arr2.map {|s1| s1.split(',').map { |s2| h.key?(s2) ? "%s%s" % [s2, h[s2]] : s2 }.join(',')}
  #=> ["P41182", "P41152_2_1,Q9UYIU", "P41172", "Q9IO93,Q9Y6IT", "P30561",
  #    "Q15021_5_1_6_1,Q9BPX3_6_2,Q15003_6_3,O95347_6_4,Q9NTJ3_6_5", "HT8971", "HLI872"]

arr1=[“P41182”、“P41152、Q9UQL6”、“P41172”、“Q92793、Q09472、Q9Y6Q9”，
“Q15021，TQ9472”，“Q15021，Q9BPX3，Q15003，O95347，Q9NTJ3”]
arr2=[“P41182”、“P41152、Q9UYIU”、“P41172”、“Q9IO93、Q9Y6IT”、“P30561”，
“Q15021、Q9BPX3、Q15003、O95347、Q9NTJ3”、“HT8971”、“HLI872”]
h=arr1.each.with_索引（1）。with_对象（{}）do|（s1，i），h|
下一步，除非s1.包括？（'，'）
s1.分割（'，'）。每个。带|索引（1）{| s2，j |（h[s2]| |=''）{“P41152”=>“|2|1”，“Q9UQL6”=>“| 2|2”，“Q92793”=>“| 4|1”，“Q09472”=>“|4|2”，
#“Q9Y6Q9”=>“\u4\u3”、“Q15021”=>“\u5\u1\u6\u1”、“TQ9472”=>“\u5\u2”、“Q9BPX3”=>“\u6\u2”，
#“Q15003”=>“\u6\u3”、“O95347”=>“\u6\u4”、“Q9NTJ3”=>“\u6\u5”}
arr2.map{s1 | s1.split（'，'）.map{s2 | h.key？（s2）？“%s%s”%[s2，h[s2]]：s2}.join（'，'）}
#=>[“P41182”、“P41152_2_1、Q9uyu”、“P41172”、“Q9IO93、Q9Y6IT”、“P30561”，
#“Q15021_5_1_6_1，Q9BPX3_6_2，Q15003_6_3，O95347_6_4，Q9NTJ3_6_5”，“HT8971”，“HLI872”]

我想以下ruby代码应该可以工作： 确保df1.txt和df2.txt以逗号分隔。输出为df3.txt。请参阅下面的示例txt文件

df1_hash = {}
df1_term_positions_hash = Hash.new([])
File.readlines("df1.txt").each_with_index do |line, i|
    df1_hash[i+1] = line.strip.split(",")
    for x in line.strip.split(",")
        df1_term_positions_hash[x] += [i+1]
    end
end

df2_hash = {}
File.readlines("df2.txt").each_with_index do |line, i|
    df2_hash[i+1] = line.strip.split(",")
end

df2_size = df2_hash.size
df3_hash = {}
for i in (1..df2_size)
    df3_hash[i] = df2_hash[i].each_with_index.map do |term, intermediate_index|
        number_of_repetitions = df1_term_positions_hash[term].size      
        updated_term = term.dup
        df1_term_positions_hash[term].each_with_index do |repetition_position, index|
            if (df1_hash[repetition_position].size <= 1 rescue true )
                updated_term = term


            else
                additional_tail = "#{repetition_position}_#{df1_hash[repetition_position].index(term)+1}"               
                updated_term = updated_term + "_" + additional_tail
            end
        end
        updated_term
    end

end

File.open("df3.txt", "w") do |file|
    for i in (1..df2_size)
        file.puts df3_hash[i].join(",")
    end
end

df2.txt 以df3.txt格式输出 很抱歉代码有点乱，但它可以工作。

---

希望有帮助：）

我认为最后一个结果不好，因为长度出现了问题。是的，我会运行它。请给我一些时间。我发现在一个案例中，有不止一个匹配。我们应该为这些案例做些什么？我完全被这个问题迷惑了。我是唯一一个不知道什么是“df”的读者吗是吗？这是一个Rails问题吗？如果是，你需要一个Rails标签。@Cary Swoveland你是对的，这通常是一个R问题，但因为它是一个文本挖掘，所以我尝试用ruby解决它。我修改了这个问题以使其可以理解，现在可以了吗？我现在说得很清楚！！！我希望现在你能理解我的问题，如果我的答案是正确的，没有任何问题g来解释。如果不是，为什么像你的问题中给出的那样，

P41152

应该是

P41152_2_1

？我做了编辑，但仍然不确定我是否完全理解了这个问题。假设

arr1=[“abc”，“def，abc”，“ghi”]

和

arr2=[“abc”，“ghi”

。答案应该是

[“abc”，“ghi”

（我目前的答案）或

[“abc_1_1_2_2”，“ghi”]

？让我解释一下。在你的例子中，有abc，def，abc，ghi。它们都在一行中。第二个数组是abc，ghi，又在一行中。所以首先我们检查abc，我们看到数组1中有4个元素，我们有两个abc，一个是第一个元素，一个是第三个元素，所以它的答案是我们将是abc_1_1_1_3，第二个是ghi，我们在数组1中有一个类似的元素，该数组有4个元素，因此角色是确定的，它也将获得索引ghi_1_4。现在清楚了吗？我不知道你所说的“…你有

abc

，

def

，

abc，ghi

。所有这些都在一行中”.数组没有行的概念。如果我将您的第一个文件读入一个数组，该数组将是

arr1#=>[“P41182”、“P41152、Q9UQL6”、“P41172”、“Q92793、Q09472、Q9Y6Q9”、“Q15021、TQ9472”、“Q15021、Q9BPX3、Q15003、O95347、Q9NTJ3”

。同样，在我的示例中，

arr1

的（三个）元素对应于（三个）因此，文件的第一行是

“abc”

，第二行是

“def，abc”

，第三行是

“ghi”

@nik。你能检查一下，让我知道它是否行吗？你能……只要你认为答案合适并且有效：）@nik更新了代码。你能从这个答案中删除额外的（对话）注释吗？感觉多余。我们不要用它加载。在ruby中绘图是绝对可能的，而且有很多库（gems）对于它。我个人使用。但是，我想它不会像在R中那样漂亮。我建议您使用python或R进行绘图。我知道。但是我使用ruby和python比使用Java要多。我个人不太喜欢它，因为它太冗长了，我无法处理它！

df1_hash = {}
df1_term_positions_hash = Hash.new([])
File.readlines("df1.txt").each_with_index do |line, i|
    df1_hash[i+1] = line.strip.split(",")
    for x in line.strip.split(",")
        df1_term_positions_hash[x] += [i+1]
    end
end

df2_hash = {}
File.readlines("df2.txt").each_with_index do |line, i|
    df2_hash[i+1] = line.strip.split(",")
end

df2_size = df2_hash.size
df3_hash = {}
for i in (1..df2_size)
    df3_hash[i] = df2_hash[i].each_with_index.map do |term, intermediate_index|
        number_of_repetitions = df1_term_positions_hash[term].size      
        updated_term = term.dup
        df1_term_positions_hash[term].each_with_index do |repetition_position, index|
            if (df1_hash[repetition_position].size <= 1 rescue true )
                updated_term = term


            else
                additional_tail = "#{repetition_position}_#{df1_hash[repetition_position].index(term)+1}"               
                updated_term = updated_term + "_" + additional_tail
            end
        end
        updated_term
    end

end

File.open("df3.txt", "w") do |file|
    for i in (1..df2_size)
        file.puts df3_hash[i].join(",")
    end
end

P41182
P41152,Q9UQL6
P41172
Q92793,Q09472,Q9Y6Q9
Q15021,TQ9472 
Q15021,Q9BPX3,Q15003,O95347,Q9NTJ3

P41182
P41152,Q9UYIU
P41172
Q9IO93,Q9Y6IT
P30561
Q15021,Q9BPX3,Q15003,O95347,Q9NTJ3
HT8971
HLI872

P41182
P41152_2_1,Q9UYIU
P41172
Q9IO93,Q9Y6IT
P30561
Q15021_5_1_6_1,Q9BPX3_6_2,Q15003_6_3,O95347_6_4,Q9NTJ3_6_5
HT8971
HLI872