python - 如何使用 Python 将文本文件中的空格替换为分号？

Question

我有一个包含许多分隔值的大文本文件。但是文本文件中的值由空格和分号分隔。下面是一些在 Unix 中使用 Less 命令的行:

#CHROM  POS     ID      REF     ALT     QUAL    FILTER  INFO    FORMAT
chr7    149601  MERGED_DEL_2_39754      T       .       141.35  .   AC=0;AF=0.00;AN=2;DP=37;MQ=37.00;MQ0=0;1000gALT=<DEL>;AF1000g=0.09
chr7    149616  rs190051229     C       .       108.65  .       AC=0;AF=0.00;AN=2;DP=35;MQ=37.00;MQ0=0;1000gALT=T;AF1000g=0.00
chr7    149628  rs3814456       A       .       129.31  .       AC=0;AF=0.00;AN=2;DP=37;MQ=37.00;MQ0=0;1000gALT=G;AF1000g=0.14
chr7    149634  rs146001818     G       T       1375.63 .       AC=2;AF=1.00;AN=2;BaseQRankSum=0.456;DP=39;Dels=0.00;FS=0.000;HRun=0;HaplotypeScore=0.9997;MQ=37.00;MQ0=0;MQRankSum=1.641;QD=35.27;ReadPosRankSum=1.459;1000gALT=T;AF1000g=0.01

我希望能够用分号替换 chr7 旁边的空格。然后我想在POS值内选择一定范围内的线，例如:149601到149628(前三行)，所以我可以计算AF100g在这个范围内的总值(本例中前三行为0.24) ).

我该怎么做？

Answer 1

我不太明白你所说的“相差 30 或更少”是什么意思。因为第 1 行(149601)和第 2 行(149616)相差 15，这里已经小于 30。

现在获取您想要的值(假设您正在遍历文件并将每一行存储在名为 line 的变量中):

POS:我建议先用一个空格替换所有空格，然后使用这个空格将字符串拆分成多个部分 (line = re.sub(r"+", r"", line))。第二个元素将是您的 POS 值 (pos = int(line.split("")[1]))。

AF 值:只需使用正则表达式搜索关键字:float(re.match(r".*?AF1000g=(.*?)\s.*?", line).groups( )[0])

保留一个全局变量，在每个循环步骤中将您的个人 AF 值相加。当达到您想要的条件时，打印相加的 AF 值。继续将之前的 POS 值保存在循环外的变量中，并取两个 pos 值之间的差值。如果您想要一个正值，请记住使用 abs()。