python - 比较两个网络边缘列表

Question

我有两个列表 - master.txt 和它的一个子集，child.txt。我想打印 master.txt 中的边缘，这些边缘在 child.txt 中不存在

母版.txt

A    B
B    C
D    F

子.txt

B    A
C    B
E    F

输出: DF

我写了一个示例代码

file1 = open("master.txt", "r")
file2 = open("child.txt", "r")
probe_id = file1.readlines()
loc_names = file2.readlines()`
#flag=0
for i in probe_id:
    i=i.rstrip()
    probe_info=i.split("\t")
    probe_info[0]=probe_info[0].strip()
    probe_info[1]=probe_info[1].strip()
    flag=0
    for j in loc_names:
        j=j.strip()
        loc_names=j.split("\t")
        loc_names[0]=loc_names[0].strip()
        loc_names[1]=loc_names[1].strip()  #throwing index out of range error
        if (probe_info[0]==loc_names[0] and probe_info[1]==loc_names[1]) or (probe_info[0]==loc_names[1] and probe_info[1]==loc_names[0]):
            flag=1
        if flag==0:
            print i

截至目前，当我拆分较小的文件时，我的索引超出了范围。请帮忙。另外，如果有任何其他更快的技术来做同样的事情，请告诉我。谢谢

Answer 1

如果我正确理解了您的要求，那么您只需要:

$ awk '
    { edge=($1>$2 ? $1 FS $2 : $2 FS $1) }
    NR==FNR{ file1[edge]; next }
    !(edge in file1)
' child.txt master.txt
D    F

如果您想在 child 中找到不在 master 中的边，您只需翻转输入文件的顺序即可:

$ awk '
    { edge=($1>$2 ? $1 FS $2 : $2 FS $1) }
    NR==FNR{ file1[edge]; next }
    !(edge in file1)
' master.txt child.txt
E    F

上面的代码会非常快，因为它只是在进行哈希查找。