python - Snakemake 多个通配符和 argparse 参数
问题描述
我是snakemake的新手,发现很难做最简单的事情。为了说明,我编写了一个程序adding_text.py
,它接受输入目录、输出目录和索引(来自os.listdir
输入目录)的参数(argparse)来处理一些文本文件。
这是我的文件结构:
identity_category1
|----A.txt -> text A identity
|----B.txt -> text B identity
|----C.txt -> text C identity
identity_category2
|----P.txt -> text P identity
|----Q.txt -> text Q identity
|----R.txt -> text R identity
identity_category3
|----X.txt -> text X identity
|----Y.txt -> text Y identity
|----Z.txt -> text Z identity
这是我的代码adding_text.py
:
import argparse
import os
my_parser = argparse.ArgumentParser(usage='python %(prog)s [-h] input_dir output_dir file_index')
my_parser.add_argument('input_dir', type=str)
my_parser.add_argument('output_dir', type=str)
my_parser.add_argument('file_index', type=int)
args = my_parser.parse_args()
input_dir = args.input_dir
output_dir = args.output_dir
file_index = args.file_index
if not os.path.exists(output_dir):
os.mkdir(output_dir)
filelist = os.listdir(input_dir)
input_file = open(os.path.join(input_dir, filelist[file_index]), 'r')
output_file = open(os.path.join(output_dir, filelist[file_index].split('.')[0] + '_added.txt'), 'w')
output_file.write(input_file.read() + ' has been added\n')
我所做的就是在控制台上触发以下命令:
python adding_text.py identity_category1 1_added 0
python adding_text.py identity_category1 1_added 1
python adding_text.py identity_category1 1_added 2
python adding_text.py identity_category2 2_added 0
python adding_text.py identity_category2 2_added 1
python adding_text.py identity_category2 2_added 2
python adding_text.py identity_category3 3_added 0
python adding_text.py identity_category3 3_added 1
python adding_text.py identity_category3 3_added 2
并得到以下输出(结构):
1_added
|----A_added.txt -> text A identity has been added
|----B_added.txt -> text B identity has been added
|----C_added.txt -> text C identity has been added
2_added
|----P_added.txt -> text P identity has been added
|----Q_added.txt -> text Q identity has been added
|----R_added.txt -> text R identity has been added
3_added
|----X_added.txt -> text X identity has been added
|----Y_added.txt -> text Y identity has been added
|----Z_added.txt -> text Z identity has been added
所以python编码不是问题。问题是当我试图围绕该问题设计一个snakemake工作流程时,涉及多个通配符、依赖项等。我possible_snakefile
看起来像这样
NUM = ["1", "2", "3"]
SAMPLE = ["A", "B", "C"]
rule add_text:
input:
expand("identity_category{num}/{sample}.txt", num=NUM, sample=SAMPLE)
output:
expand("{num}_added/{sample}_added.txt", num=NUM, sample=SAMPLE)
run:
for index in range(0,3):
shell("python adding_text.py identity_category{num} {num}_added index")
当我尝试通过 指定目标并执行试运行时snakemake --cores 1 -n -s possible_snakefile 1_added/A_added.txt
,它错误地映射了输入目录和相应的文件,并向我抛出了这个错误:
MissingInputException in line 4 possible_snakefile:
Missing input files for rule add_text:
identity_category3/C.txt
identity_category2/A.txt
identity_category3/B.txt
identity_category2/B.txt
identity_category2/C.txt
identity_category3/A.txt
我确信它非常简单,但我无法完全理解它。即在命令行中指定不同的通配符possible_snakefile
或在命令行中指定不同的目标文件。我会很感激这里的帮助。谢谢
解决方案
首先,您的设计不是很好,因为它依赖于文件名的顺序。这意味着如果您在identity_category{num}
目录中再添加一个文件,结果将会改变。这会使管道复杂化,使其难以预测,我建议您重新编写脚本并使依赖关系明确。无论如何,在我的其余回答中,我会假设脚本是您无法更改的。
您需要指定一个目标:管道应生成的文件(或一组文件或目录)。该目标不应有通配符,因为目标应是明确的。使用您的脚本,目标是什么并不那么明显,但您可以指定{num}_added
您计划从管道中获取的目录组:
rule target:
input:
expand("{num}_added", num=NUM)
请注意,{num}
here 不是通配符,因为它已在expand
函数中完全解析。实际上这个函数会返回一个包含三个元素的列表:["1_added", "2_added", "3_added"]
,并且 Snakemake 会知道要生成什么:
rule target:
input:
["1_added", "2_added", "3_added"]
另外请注意,名称目标是任意的,但这必须是您的 Snakefile 中最顶层的规则。
好的,现在 Snakemake 知道它需要生成 3 个对象,您可以指示它如何生成每个对象:
rule make_added:
input:
"identity_category{num}"
output:
"{num}_added"
...
# some magic would come here later
此规则指示 Snakemake 生成单个{num}_added
目录,它需要另一个identity_category{num}
必须{num}
匹配的目录。这里{num}
是一个通配符,Snakemake 会自动替换它的值,它会运行这个规则 3 次(实际上是len(NUM)
次)。
现在让我们调用您的脚本:
rule make_added:
input:
"identity_category{num}"
output:
"{num}_added"
run:
for index in range(0, 3):
shell("python adding_text.py identity_category{wildcards.num} {wildcards.num}_added {index}")
在这里,您不能简单地按名称命名通配符。此外,您需要将变量index
放入大括号中。
推荐阅读
- typescript - 打字稿:导入=需要与导入自
- python - 我的 Jupyter notebook 的 VS 代码界面与新版本有很大不同
- outlook-redemption - 尝试更新要发送的消息的签名
- perl - 有什么办法可以改变 Perl 中常量的值吗?
- etw - ETW - 为什么有时 ETL 没有有效的清单架构
- tags - 如何将标签存储到自定义实体?
- c - Lua 脚本抛出“内存不足”错误
- javascript - 如何将 Vue.js 中的 URL 查询转换为字符串?
- mongodb - 填充以正常工作的问题
- java - 无法使用具有受限网络访问权限的 Agora API 拨打电话(Android 平台)