python - 通过循环比较 2 个 .csv 文件

Question

我有 15 个 .csv 文件，格式如下:

**File 1**
MYC
RASSF1
DAPK1
MDM2
TP53
E2F1
...

**File 2**
K06227
C00187
GLI1
PTCH1
BMP2
TP53
...

我想创建一个循环，遍历 15 个文件中的每一个，并每次比较 2 个文件，从而创建唯一的对。因此，File 1 和 File 2 将相互比较，给出一个输出告诉我它找到了多少匹配项以及它们是什么。所以在上面的例子中，输出将是:

1 match and TP53

循环将用于比较所有文件，因此 1,3(File 1 与 File 3)，1,4 等等。

f1 = set(open(str(cancers[1]) + '.csv', 'r'))
f2 = set(open(str(cancers[2]) + '.csv', 'r'))
f3 = open(str(cancers[1]) + '_vs_' + str(cancers[2]) + '.txt', 'wb').writelines(f1 & f2)

上面的方法有效，但我很难创建循环部分。

Answer 1

为了不比较同一个文件，也为了让代码灵活适应癌症的数量，我会这样编码。我假设 cancer 是一个列表。

# example list of cancers
cancers = ['BRCA', 'BLCA', 'HNSC']
fout = open('match.csv', 'w')
for i in range(len(cancers)):
    for j in range(len(cancers)):
        if j > i:
            # if there are string elements in cancers,
            # then it doesn't need 'str(cancers[i])'
            f1 = [x.strip() for x in set(open(cancers[i] + '.csv', 'r'))]
            f2 = [x.strip() for x in set(open(cancers[j] + '.csv', 'r'))]
            match = list(set(f1) & set(f2))
            # I use ; to separate matched genes to make excel able to read
            fout.write('{}_vs_{},{} matches,{}\n'.format(
                cancers[i], cancers[j], len(match), ';'.join(match)))
fout.close()

结果

BRCA_vs_BLCA,1 matches,TP53
BRCA_vs_HNSC,6 matches,TP53;BMP2;GLI1;C00187;PTCH1;K06227
BLCA_vs_HNSC,1 matches,TP53