- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
这个问题跟在问题之后:How to read two lines from a file and create dynamics keys in a for-loop?
但是,问题的性质已经发展到我想要解决的某种复杂性。
下面是我的数据结构,用空格分隔。
chr pos M1 M2 Mk Mg1 F1_hybrid F1_PG F1_block S1 Sk1 S2 Sj
2 16229767 T/T T/T T/T G/T C|T 1|0 726 . T/C T/C T/C
2 16229783 C/C C/C C/C A/C G|C 0|1 726 G/C G/C G/C C|G
2 16229992 A/A A/A A/A G/A G|A 1|0 726 A/A A/A A/A A|G
2 16230007 T/T T/T T/T A/T A|T 1|0 726 A|T A|T A|T A|T
2 16230011 G/G G/G G/G G/G C|G 1|0 726 G/C C|G C|G G/C
2 16230049 A/A A/A A/A A/A T|A 1|0 726 A|T . A/T A/T
2 16230174 . . . C/C T|C 1|0 726 C|T T|C T|C C|T
2 16230190 A/A A/A A/A A/A T|A 1|0 726 T|G G|T T|G T|G
2 16230260 A/A A/A A/A A/A G|A 1|0 726 G/G G/G G/G G/G
解释:
上述文件中有两大类数据。来自 Group M
的数据具有以 M 开头的样本名称,类似地 group S
具有多个以 S 开头的列名称>.
还有一个混合列(用F1_hybrid表示)。
数据是位置线上的字符串。 F1_hybrid 用管道 (|) 区分两个字母。因此,来自 F1 的两个字符串值是 C-G-G-A-C-T-T-T-G
,而另一个字符串值是 T-C-A-T-G-A-C-A-A。其中一个字符串来自M-group,而另一个来自S-group,但我需要做一些统计分析才能做到这一点。但是,我可以从视觉上看出 T-C-A-T-G-A-C-A-A 字符串很可能来自 M 组。
程序:
我阅读第一行并使用列信息创建唯一键。
然后我读取了第二行和第三行以及 F1_hybrid 中的值,即 C|T 和 G|C。现在,我需要计算 M 组与 S 组之间存在多少 GgC(解释为 G 给定 C)与 CgT(C 给定 T)。
然后阅读 F1_hybrid 中的第 3 (G|C) 和第 4 (G|A) 行。所以,状态是 GgG 和 AgC。同样,我现在数出在 M 与 S 组中存在许多 GcG 与 AgC。
因此,我正在尝试构建一个 Markov 模型
,该模型计算 F1 阶段字符串的状态数,并在 group M
与 S组
。
我现在解释一下,如何根据F1_hyrbid计算任意XgY(X给定Y)的个数:
条件 01:
M1
示例的第 2 行和第 3 行的状态为(T/T with C/C)。因为分隔符是斜杠(/)而不是竖线(|),所以我们无法判断 M1-sample 处于哪个确切状态。但是,我们可以创建组合矩阵(对于以前的状态与现在的状态)
T T
C CgT CgT
C CgT CgT
现在,我们可以知道有 4 个 CgT
如果满足此条件,我们将继续执行相同的矩阵。
条件02
M 组的其他样本情况相同,但 Mg1 除外,其中 G/T 在 A/C 之前。所以,矩阵是:
G T
A AgG AgT
C CgG CgT
因此,在这里我们观察到 1 个 CgT。
条件 03:
但是,如果较早的状态 - 当前状态在两种状态中都由管道分阶段(例如 A|T 在位置 16230007 和 C|G 在位置 16230011 对于样本 Sk1) 我们可以直接做该位置观测状态的相态计数,只有CgA和GgT,所以CgT的计数为0。
条件 04:如果其中一个状态有竖线 (|) 而另一个有斜线 (/),则条件将与两个状态都有斜线相同。
条件 05:如果 previous_state 或 present_state 中的任何一个是 period(.),则对于 F1_hybrid 预期的状态,观察计数自动为零 (0)。
所以,预期的输出应该是这样的:
pos M1 M2 Mk Mg1 H0 H1 S1 Sk1 S2 Sj
16..9783 4-CgT 4-CgT 4-CgT 1-CgT GgC CgT 0 1-CgT 1-CgT 1-CgT
16..9992 4-AgC 4-AgC 4-AgC 2-AgC GgG AgC 1-AgC 1-AgC 1-AgC 1-AgC,1-GgG
16..0007 4-TgA 4-TgA 4-TgA 1-AgG,1-TgA AgG TgA 2-TgA 2-TgA 2-TgA1 1-TgA
..................contd
或者,每列的字典格式的值同样有效。类似于 ['4-CgT','4-CgT','4-CgT','4-CgT']
第一个 M1 在位置 16..9783 和其他相同。
最佳答案
这个问题有点老,但很有趣,因为你有一个非常明确的规范,你需要帮助来编写代码。我将按照自上而下的方法公开一个解决方案,这是一种众所周知的方法,使用普通的旧 python。适应 pandas 应该不难。
自上而下的方法对我来说意味着:如果您不知道如何编写它,只需说出它的名字即可!
你有一个文件(或字符串)作为输入,你想输出一个文件(或字符串)。看起来很简单,但您想合并成对的行来构建每个新行。想法是:
您现在还不知道如何编写行生成器。您也不知道如何为每一对建立一个新行。不要被困难挡住,只要说出解决方案。假设您有一个函数 get_rows
和一个函数 build_new_row
。让我们这样写:
def build_new_rows(f):
"""generate the new rows. Output may be redirected to a file"""
rows = get_rows(f) # get a generator on rows = dictionaries.
r1 = next(rows) # store the first row
for r2 in rows: # for every following row
yield build_new_row(r1, r2) # yield a new row built of the previous stored row and the current row.
r1 = r2 # store the current row, which becomes the previous row
现在,检查两个“缺失的”函数:get_rows
和 build_new_row
。get_rows
函数很容易编写。这是主要部分:
header = process_line(next(f))
for line in f:
yield {k:v for k,v in zip(header, process_line(line))}
process_line
只是在空间上分割线,例如使用 re.split("\s+", line.strip())
。
第二部分是build_new_row
。仍然是自上而下的方法:您需要从您预期的表构建 H0 和 H1,然后根据您公开的条件为每个 M 和 S 构建 H1 的计数。假设您有一个计算 H0 和 H1 的 pipe_compute
函数,以及一个为每个 M 和 S 构建 H1 计数的 build_count
函数:
def build_new_row(r1, r2):
"""build a row"""
h0, h1 = pipe_compute(r1["F1_hybrid"], r2["F1_hybrid"])
# initialize the dict whith the pos, H0 and H1
new_row = {"pos":r2["pos"], "H0":h0, "H1":h1}
for key in r1.keys():
if key[0] in ("M", "S"):
new_row[key] = build_count(r1[key], r2[key], h1)
return new_row
你现在几乎拥有了一切。看看 pipe_compute
:这正是您在条件 03 中所写的内容。
def pipe_compute(v1, v2):
"""build H0 H1 according to condition 03"""
xs = v1.split("|")
ys = v2.split("|")
return [ys[0]+"g"+xs[0], ys[1]+"g"+xs[1]]
对于 buid_count
,坚持自上而下的方法:
def build_count(v1, v2, to_count):
"""nothing funny here: just follow the conditions"""
if is_slash_count(v1, v2): # are conditions 01, 02, 04 true ?
c = slash_count(v1, v2)[to_count] # count how many "to_count" we find in the 2 x 2 table of condtions 01 or 02.
elif "|" in v1 and "|" in v2: # condition 03
c = pipe_count(v1, v2)[to_count]
elif "." in v1 or "." in v2: # condition 05
return '0'
else:
raise Exception(v1, v2)
return "{}-{}".format(c, to_count) # n-XgY
我们还在下降。我们什么时候有 is_slash_count
?两条斜线(条件 01 和 02)或一条斜线和一根竖线(条件 04):
def is_slash_count(v1, v2):
"""conditions 01, 02, 04"""
return "/" in v1 and "/" in v2 or "/" in v1 and "|" in v2 or "|" in v1 and "/" in v2
函数 slash_count
只是条件 01 和 02 的 2 x 2 表:
def slash_count(v1, v2):
"""count according to conditions 01, 02, 04"""
cnt = collections.Counter()
for x in re.split("[|/]", v1): # cartesian product
for y in re.split("[|/]", v2): # cartesian product
cnt[y+"g"+x] += 1
return cnt # a dictionary XgY -> count(XgY)
pipe_count
函数更简单,因为你只需要计算pipe_compute
的结果:
def pipe_count(v1, v2):
"""count according to condition 03"""
return collections.Counter(pipe_compute(v1, v2))
现在您已完成(并向下)。我得到的结果与您的预期略有不同,但您肯定已经看到我的错误(或错误?):
pos M1 M2 Mk Mg1 H0 H1 S1 Sk1 S2 Sj
16229783 4-CgT 4-CgT 4-CgT 1-CgT GgC CgT 0 1-CgT 1-CgT 1-CgT
16229992 4-AgC 4-AgC 4-AgC 1-AgC GgG AgC 2-AgC 2-AgC 2-AgC 1-AgC
16230007 4-TgA 4-TgA 4-TgA 1-TgA AgG TgA 2-TgA 2-TgA 2-TgA 0-TgA
16230011 4-GgT 4-GgT 4-GgT 2-GgT CgA GgT 1-GgT 1-GgT 1-GgT 1-GgT
16230049 4-AgG 4-AgG 4-AgG 4-AgG TgC AgG 1-AgG 0 1-AgG 1-AgG
16230174 0 0 0 4-CgA TgT CgA 1-CgA 0 1-CgA 1-CgA
16230190 0 0 0 4-AgC TgT AgC 0-AgC 0-AgC 0-AgC 0-AgC
16230260 4-AgA 4-AgA 4-AgA 4-AgA GgT AgA 0-AgA 0-AgA 0-AgA 0-AgA
重要的是,除了这个具体问题的解决方案之外,我使用的方法在软件开发中被广泛使用。代码可能会改进很多。
关于python - 如何从文件中读取两行并在 for 循环中创建动态键,后续,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42012730/
我需要将文本放在 中在一个 Div 中,在另一个 Div 中,在另一个 Div 中。所以这是它的样子: #document Change PIN
奇怪的事情发生了。 我有一个基本的 html 代码。 html,头部, body 。(因为我收到了一些反对票,这里是完整的代码) 这是我的CSS: html { backgroun
我正在尝试将 Assets 中的一组图像加载到 UICollectionview 中存在的 ImageView 中,但每当我运行应用程序时它都会显示错误。而且也没有显示图像。 我在ViewDidLoa
我需要根据带参数的 perl 脚本的输出更改一些环境变量。在 tcsh 中,我可以使用别名命令来评估 perl 脚本的输出。 tcsh: alias setsdk 'eval `/localhome/
我使用 Windows 身份验证创建了一个新的 Blazor(服务器端)应用程序,并使用 IIS Express 运行它。它将显示一条消息“Hello Domain\User!”来自右上方的以下 Ra
这是我的方法 void login(Event event);我想知道 Kotlin 中应该如何 最佳答案 在 Kotlin 中通配符运算符是 * 。它指示编译器它是未知的,但一旦知道,就不会有其他类
看下面的代码 for story in book if story.title.length < 140 - var story
我正在尝试用 C 语言学习字符串处理。我写了一个程序,它存储了一些音乐轨道,并帮助用户检查他/她想到的歌曲是否存在于存储的轨道中。这是通过要求用户输入一串字符来完成的。然后程序使用 strstr()
我正在学习 sscanf 并遇到如下格式字符串: sscanf("%[^:]:%[^*=]%*[*=]%n",a,b,&c); 我理解 %[^:] 部分意味着扫描直到遇到 ':' 并将其分配给 a。:
def char_check(x,y): if (str(x) in y or x.find(y) > -1) or (str(y) in x or y.find(x) > -1):
我有一种情况,我想将文本文件中的现有行包含到一个新 block 中。 line 1 line 2 line in block line 3 line 4 应该变成 line 1 line 2 line
我有一个新项目,我正在尝试设置 Django 调试工具栏。首先,我尝试了快速设置,它只涉及将 'debug_toolbar' 添加到我的已安装应用程序列表中。有了这个,当我转到我的根 URL 时,调试
在 Matlab 中,如果我有一个函数 f,例如签名是 f(a,b,c),我可以创建一个只有一个变量 b 的函数,它将使用固定的 a=a1 和 c=c1 调用 f: g = @(b) f(a1, b,
我不明白为什么 ForEach 中的元素之间有多余的垂直间距在 VStack 里面在 ScrollView 里面使用 GeometryReader 时渲染自定义水平分隔线。 Scrol
我想知道,是否有关于何时使用 session 和 cookie 的指南或最佳实践? 什么应该和什么不应该存储在其中?谢谢! 最佳答案 这些文档很好地了解了 session cookie 的安全问题以及
我在 scipy/numpy 中有一个 Nx3 矩阵,我想用它制作一个 3 维条形图,其中 X 轴和 Y 轴由矩阵的第一列和第二列的值、高度确定每个条形的 是矩阵中的第三列,条形的数量由 N 确定。
假设我用两种不同的方式初始化信号量 sem_init(&randomsem,0,1) sem_init(&randomsem,0,0) 现在, sem_wait(&randomsem) 在这两种情况下
我怀疑该值如何存储在“WORD”中,因为 PStr 包含实际输出。? 既然Pstr中存储的是小写到大写的字母,那么在printf中如何将其给出为“WORD”。有人可以吗?解释一下? #include
我有一个 3x3 数组: var my_array = [[0,1,2], [3,4,5], [6,7,8]]; 并想获得它的第一个 2
我意识到您可以使用如下方式轻松检查焦点: var hasFocus = true; $(window).blur(function(){ hasFocus = false; }); $(win
我是一名优秀的程序员,十分优秀!