python - 创建元组时迭代字典

Question

我正在学习Python，并尝试使用 map 和元组。我已经从解析的文件创建了一个字典，并在另一个文件中解析。我想迭代字典并用从字典中获取的 ID 替换解析文件的每一行的第一个元素

我的字典:

for line in blast_lines:
    (transcript,swissProt,identity) = parse_blast(blast_line=line)
    transcript_to_protein[transcript] = swissProt

解析文件，并创建一个元组，如果该 ID 存在该条目，则该元组将字典中的值作为第一个元素

def parse_matrix(matrix_line):
    matrixFields = matrix_line.rstrip("\n").split("\t")
    protein = matrixFields[0] 
    if matrixFields[0] in transcript_to_protein:
            protein = transcript_to_protein.get(transcript)
            matrixFields[0] = protein
    return(tuple(matrixFields))

我没有在此处包含所有代码，因为我确信我的问题一定是我如何迭代解析文件和字典，但我将在底部包含所有内容。

输入:

blast(字典中存储的内容)

c1000_g1_i1|m.799   gi|48474761|sp|O94288.1|NOC3_SCHPO  100.00  747 0   0   5   751 1   747 0.0  1506 

这一行的转录本是 c1000_g1_i1，瑞士 Prot 是 O94288.1

矩阵(正在解析的文件)

c3833_g1_i2 4.00    0.07    16.84   26.37

如果第一个字段中的值与字典中的键(转录本)匹配，我将尝试用字典中的 swissProt 替换第一个字段 (matrixFields[0])。

我想要一个如下所示的输出

Q09748.1    4.00    0.07    16.84   26.37
O60164.1    24.55   116.87  220.53  28.82
C5161_G1_I1 107.49  89.39   26.95   698.97
P36614.1    27.91   72.57   5.56    36.58
P37818.1    82.57   19.03   48.55   258.22

但是我得到了这个:

O94423.1    4.00    0.07    16.84   26.37
O94423.1    24.55   116.87  220.53  28.82
C5161_G1_I1 107.49  89.39   26.95   698.97
O94423.1    27.91   72.57   5.56    36.58
O94423.1    82.57   19.03   48.55   258.22

请注意其中 4 个具有相同的值，而不是字典中的各个转录本

完整代码:

transcript_to_protein = {};

def parse_blast(blast_line="NA"):
    fields = blast_line.rstrip("\n").split("\t")
    queryIdString = fields[0]
    subjectIdString = fields[1]
    identity = fields[2]
    queryIds = queryIdString.split("|")
    subjectIds = subjectIdString.split("|")
    transcript = queryIds[0].upper()
    swissProt = subjectIds[3]
    base = swissProt.split(".")[0]
    return(transcript, swissProt, identity)

blast_output = open("/scratch/RNASeq/blastp.outfmt6")
blast_lines = blast_output.readlines()

for line in blast_lines:
    (transcript,swissProt,identity) = parse_blast(blast_line=line)
    transcript_to_protein[transcript] = swissProt

def parse_matrix(matrix_line):
    matrixFields = matrix_line.rstrip("\n").split("\t")
    matrixFields[0] = matrixFields[0].upper()
    protein = matrixFields[0]
    if matrixFields[0] in transcript_to_protein:
            protein = transcript_to_protein.get(transcript)
            matrixFields[0] = protein
    return(tuple(matrixFields))

def tuple_to_tab_sep(one_tuple):
    tab = "\t"
    return tab.join(one_tuple)

matrix = open("/scratch/RNASeq/diffExpr.P1e-3_C2.matrix")

newline = "\n"

list_of_de_tuples = map(parse_matrix,matrix.readlines())

list_of_tab_sep_lines = map(tuple_to_tab_sep, list_of_de_tuples)
print(newline.join(list_of_tab_sep_lines))

Answer 1

首先，parse_blast() 中存在一个错误 - 它没有返回元组 (transcript,swissProt,identity)，而是返回 (transcript,base,身份) 和 base 不包含缺失的信息。

更新

其次，parse_matrix() 中也存在一个错误。从文件中读取的第一个字段没有丢失的信息，但是，当 matrixFields[0] 位于 transcript_to_ Protein 字典中时，它会将其放入返回的元组中。

仅仅解决一个问题本身并不能解决问题。