在特定列中拆分信息？

Question

以下是我的文件的示例：

Type    Variant_class   ACC_NUM dbsnp   genomic_coordinates_hg18    genomic_coordinates_hg19    HGVS_cdna   HGVS_protein    gene    disease sequence_context_hg18   sequence_context_hg19   codon_change    codon_number    intron_number   site    location    location_reference_point    author  journal vol page    year    pmid    entrezid    sift_score  sift_prediction mutpred_score
1   DM  CM920001    rs1800433   null    chr12:9232351:- NM_000014.4 NP_000005.2:p.C972Y A2M Chronicobstructivepulmonarydisease  null    CACAAAATCTTCTCCAGATGCCCTATGGCT[G/A]TGGAGAGCAGAATATGGTCCTCTTTGCTCC   TGT-TAT 972 null    null    2   null    Poller  HUMGENET    88  313 1992    1370808 2   0   DAMAGING    0.594315245478036
1   DM  CM004784    rs74315453  null    chr22:43089410:-    NM_017436.4 NP_059132.1:p.M183K A4GALT  Pksynthasedeficiency(pphenotype)    null    TGCTCTCCGACGCCTCCAGGATCGCACTCA[T/A]GTGGAAGTTCGGCGGCATCTACCTGGACAC   ATG-AAG 183 null    null    2   null    Steffensen  JBC 275 16723   2000    10747952    53947   0   DAMAGING    0.787878787878788
1   DM  CM1210274   null    null    chr22:43089327:-    NM_017436.4 NP_059132.1:p.Q211E A4GALT  NORpolyagglutination    null    CTGCGGAACCTGACCAACGTGCTGGGCACC[C/G]AGTCCCGCTACGTCCTCAACGGCGCGTTCC   CAG-GAG 211 null    null    null    null    Suchanowska JBC 287 38220   2012    22965229    53947   0.79    TOLERATED   null

我要做的是用-标记拆分第13列中的信息。在我上面的示例文件中，此列包含数据ATG-AAG和CAG-GAG。我想用制表符分隔。你知道吗

我尝试了下面的代码：

with open('disease_mut_split2.txt') as inf:
    with open('disease_mut_splitfinal.txt', 'w') as outf:
        for line in inf:
            outf.write('\t'.join(line.split('-')))

但是，这也会分割6列中的-，这是我不想要的。有没有办法用我的代码指定要拆分的列？你知道吗

Answer 1

假设您所做的实际上是解析/格式化csv文件，那么韦恩·沃纳的csv模块方法可能是解决这个问题最有效的方法。你知道吗

或者，您可以考虑使用re模块中的re.sub。要使用的确切正则表达式将取决于数据。例如，如果该列始终是3个核苷酸，-和3个核苷酸，则类似的操作可能有效：

re.sub(r'(?<=[ACTG]{3})-(?=[ACTG]{3})', '\t', line))

regex使用lookbehind和lookahead来替换两组3个核苷酸之间的-，因此假设这种模式不会出现在文件的其他地方，应该可以很好地工作。你知道吗

编辑：由于某种原因更改为re.sub，原来的代码让我陷入了split的思维模式！你知道吗