Python使用defaultdict读取文件各列的方法

Python使用defaultdict读取文件各列的方法

在Python中，处理文件数据时，经常需要读取文件的各列并进行统计分析。本文将介绍如何使用defaultdict和Counter模块来实现这一功能。

1. 导入必要的模块

首先，我们需要导入sys、Counter和defaultdict模块。sys模块用于处理命令行参数，Counter模块用于统计频率，defaultdict模块用于创建字典。

import sys
from collections import Counter, defaultdict

2. 读取文件并处理数据

接下来，我们读取文件，并逐行处理数据。对于每一行，我们将其分割为列，并根据特定条件提取所需数据。

info = open(sys.argv[1])
fast = sys.argv[2]
d_c = {}
d1 = defaultdict(list)
d2 = defaultdict(list)

for line in info:
    cols = line.strip().split("\t")
    if cols[0] == "SNP pattern":
        continue
    else:
        d1[cols[4]].append(cols[1])
        d2[cols[7]].append(cols[1])

info.close()

3. 统计频率并排序

使用Counter模块对提取的数据进行频率统计，并按频率排序。

result = open(fast, 'w')
for k, v in d1.items():
    cnt1 = Counter(v)
    result.write("%s\t" % k)
    for i in sorted(cnt1.items(), key=lambda x: x[1], reverse=True):
        result.write("%s\t%d\t" % (i[0], i[1]))
    result.write("\n")

for k, v in d2.items():
    cnt2 = Counter(v)
    result.write("%s\t" % k)
    for i in sorted(cnt2.items(), key=lambda x: x[1], reverse=False):
        result.write("%s\t%d\t" % (i[0], i[1]))
    result.write("\n")

result.close()

4. 完整示例代码

以下是完整的示例代码，包括读取文件、处理数据、统计频率和排序。

#!/usr/bin/python
"""USAGE: python *.py align_SNP_site out_file"""
import sys
from collections import Counter, defaultdict

info = open(sys.argv[1])
fast = sys.argv[2]
d_c = {}
d1 = defaultdict(list)
d2 = defaultdict(list)

for line in info:
    cols = line.strip().split("\t")
    if cols[0] == "SNP pattern":
        continue
    else:
        d1[cols[4]].append(cols[1])
        d2[cols[7]].append(cols[1])

info.close()
print(len(d1))
print(len(d2))

my_list = []
ref_fa = open("some_example.fasta", 'r')
for i in ref_fa.readlines():
    if i.startswith(">"):
        my_list.append(i.rstrip())
ref_fa.close()
print(len(my_list))

result = open(fast, 'w')
for k, v in d1.items():
    cnt1 = Counter(v)
    result.write("%s\t" % k)
    for i in sorted(cnt1.items(), key=lambda x: x[1], reverse=True):
        result.write("%s\t%d\t" % (i[0], i[1]))
    result.write("\n")

for k, v in d2.items():
    cnt2 = Counter(v)
    result.write("%s\t" % k)
    for i in sorted(cnt2.items(), key=lambda x: x[1], reverse=False):
        result.write("%s\t%d\t" % (i[0], i[1]))
    result.write("\n")

result.close()

以上就是Python使用defaultdict读取文件各列的详细内容，更多关于Python读取文件各列的资料请关注本站其它相关文章！