提取物：Python字典，有多個值

Question

我有兩個文件，我想從文件1中提取一些值，像這樣的關鍵：

File1: 
2 word1 
4 word2 
4 word2_1 
4 word2_2 
8 word5 
8 word5_3 

File 2: 
4 
8 

我想是提取每行開始的4 8（來自文件2），他們很多。 所以通常如果只有一行匹配我會使用Python字典，一個關鍵的一個元素很容易！但是現在我有多個元素匹配到同一個鍵，我的腳本只會提取最後一個元素（顯然，隨着它的繼續它將擦除以前的元素！）。 所以我得到這不是如何工作，但我不知道，如果有人可以幫助我開始，我會很高興。

這裏是我的「正常」代碼：

gene_count = {} 
my_file = open('file1.txt') 
for line in my_file: 
    columns = line.strip().split() 
    gene = columns[0] 
    count = columns[1:13] 
    gene_count[gene] = count 

names_file = open('file2.txt') 
output_file = open('output.txt', 'w') 

for line in names_file: 
    gene = line.strip() 
    count = gene_count[gene] 
    output_file.write('{0}\t{1}\n'.format(gene,"\t".join(count))) 

output_file.close() 

Answer 1

讓你的字典，列出的值，並追加到他們。

一般：

from collections import defaultdict 
my_dict = defaultdict(lambda: []) 

for x in xrange(101): 
    if x % 2 == 0: 
     my_dict['evens'].append(str(x)) 
    else: 
     my_dict['odds'].append(str(x)) 

print 'evens:', ' '.join(my_dict['evens']) 
print 'odds:', ' '.join(my_dict['odds']) 

在你的情況，你的價值觀是列表，所以加（串連）的名單，你的字典的名單：

from collections import defaultdict 
gene_count = defaultdict(lambda: []) 

my_file = open('file1.txt') 
for line in my_file: 
    columns = line.strip().split() 
    gene = columns[0] 
    count = columns[1:13] 
    gene_count[gene] += count 

names_file = open('file2.txt') 
output_file = open('output.txt', 'w') 

for line in names_file: 
    gene = line.strip() 
    count = gene_count[gene] 
    output_file.write('{0}\t{1}\n'.format(gene,"\t".join(count))) 

output_file.close() 

如果你真的想打印是每個基因的計數，然後用len(count)替換"\t".join(count)，列表的長度。

Answer 2

您是否考慮過使用​​。您可以將文件加載到DataFrame，然後進行篩選：

In [5]: file1 = pn.read_csv('file1',sep=' ', 
          names=['number','word'], 
          engine='python') 

In [6]: file1 
Out[6]: 
    number  word 
0  2 word1 
1  4 word2 
2  4 word2_1 
3  4 word2_2 
4  8 word5 
5  8 word5_3 

In [9]: file1[(file1.number==4) | (file1.number==8)] 
Out[9]: 
    number  word 
1  4 word2 
2  4 word2_1 
3  4 word2_2 
4  8 word5 
5  8 word5_3 

In [13]: foo = file1[(file1.number==4) | (file1.number==8)].append(file2[(file2.number==4) | (file2.number==8)]) 
Out[13]: 
    number  word 
1  4 word2 
2  4 word2_1 
3  4 word2_2 
4  8 word5 
5  8 word5_3 
1  4 word2 
2  4 word2_1 
3  4 word2_2 
4  8 word5 
5  8 word5_3 

在5您蘆葦文件，在9您可以通過數字的值進行過濾的文件，在13連接兩個過濾文件一起。
然後，您可以對它進行排序，然後用字典進行計算。

UPDATE
要根據條件篩選pandas.DataFrame該列的值是在一些列表中，您可以用isin給它列表或使用range例如。

In [46]: file1[file1.number.isin([1,2,3])] 
Out[46]: 
    number word 
0  2 word1