python - 如何使用 Python 修改 tsv 文件列
问题描述
我有一个 GFF3 文件(主要是一个有 9 列的 TSV 文件),我试图在我的文件的第一列中进行一些更改,以便覆盖对文件本身的修改。
GFF3 文件如下所示:
## GFF3 file
## replicon1
## replicon2
replicon_1 prokka gene 0 15 . @ . ID=some_gene_1;
replicon_1 prokka gene 40 61 . @ . ID=some_gene_1;
replicon_2 prokka gene 8 32 . @ . ID=some_gene_2;
replicon_2 prokka gene 70 98 . @ . ID=some_gene_2;
我写了几行代码,在其中我决定更改某个符号(例如“_”)和要替换的符号(例如“@”):
import os
import re
import argparse
import pandas as pd
def myfunc() -> tuple:
ap.add_argument("-f", "--file", help="path to file")
ap.add_argument("-i", "--input_word",help="Symbol to delete")
ap.add_argument("-o", "--output_word", help="Symbol to insert")
return ap.parse_args()
args = myfunc()
my_file = args.file
in_char = args.input_word
out_char = args.output_word
with open (my_file, 'r+') as f:
rawfl = f.read()
rawfl = re.sub(in_char, out_char, rawfl)
f.seek(0)
f.write(rawfl)
f.close()
输出是这样的:
## GFF3 file
## replicon1
## replicon2
replicon@1 prokka gene 0 15 . @ . ID=some@gene@1;
replicon@1 prokka gene 40 61 . @ . ID=some@gene@1;
replicon@2 prokka gene 8 32 . @ . ID=some@gene@2;
replicon@2 prokka gene 70 98 . @ . ID=some@gene@2;
如您所见,“@”中的所有“_”都已更改。我尝试修改脚本pandas
,以便仅将修改应用于第一列(seqid,如下所示):
with open (my_file, 'r+') as f:
genomic_dataframe = pd.read_csv(f, sep="\t", names=['seqid', 'source', 'type', 'start', 'end', 'score', 'strand', 'phase', 'attributes'])
id = genomic_dataframe.seqid
id = str(id) #this is used because re.sub expects strings, not dataframe
id = re.sub(in_char, out_char, genid)
f.seek(0)
f.write(genid)
f.close()
我没有得到预期的结果,而是像 seqid 列(正确修改)被添加到文件但没有覆盖原始的。
我想要得到的是这样的:
## GFF3 file
## replicon1
## replicon2
replicon@1 prokka gene 0 15 . @ . ID=some_gene_1;
replicon@1 prokka gene 40 61 . @ . ID=some_gene_1;
replicon@2 prokka gene 8 32 . @ . ID=some_gene_2;
replicon@2 prokka gene 70 98 . @ . ID=some_gene_2;
其中“@”符号仅出现在第一列,而“_”保留在第 9 列。
你知道如何解决这个问题吗?谢谢你们。
解决方案
您可以使用re.sub
以^
(字符串开头)开头的模式 + 使用 lambda 函数re.sub
。例如:
import re
# change only first column:
r = re.compile(r"^(.*?)(?=\s)")
in_char = "_"
out_char = "@"
with open("input_file.txt", "r") as f_in, open("output_file.txt", "w") as f_out:
for line in map(str.strip, f_in):
# skip empty lines and lines starting with ##
if not line or line.startswith("##"):
print(line, file=f_out)
continue
line = r.sub(lambda g: g.group(1).replace(in_char, out_char), line)
print(line, file=f_out)
创建output_file.txt
:
## GFF3 file
## replicon1
## replicon2
replicon@1 prokka gene 0 15 . @ . ID=some_gene_1;
replicon@1 prokka gene 40 61 . @ . ID=some_gene_1;
replicon@2 prokka gene 8 32 . @ . ID=some_gene_2;
replicon@2 prokka gene 70 98 . @ . ID=some_gene_2;
推荐阅读
- matlab - 逻辑到数值(matlab)
- maven - mvn clean install 仅构建父模块,子模块未在多模块 maven 项目中构建
- c# - 如何在c#中为一组对象赋值
- php - 为什么我无法使用发布请求使用 jquery 更新数据库中的数据?
- java - 无法创建适当的 N 选择 R 方法
- bash - 如何在不获取所有组合的情况下获得成对的大括号扩展?
- cassandra - 使用日期和时间戳作为分区键和集群键
- c# - Google Dialogflow V2 的 C# 库
- dart - 如何在 Flutter 中将一个小部件与屏幕顶部对齐并将另一个小部件居中到屏幕中间?
- javascript - 如何制作异步/等待获取帖子?收到 500 内部服务器错误