我有一个用Python编写的巨大管道,它使用非常大的.gz文件(压缩约14GB),但需要更好的方法将某些行发送到外部软件(formatdb from blast-legacy/2.2.26)。我有一个很久以前有人为我写的Perl脚本,它的速度非常快,但是我需要用Python来做同样的事情,因为管道的其余部分是用Python编写的,我必须保持这种方式。Perl脚本使用两个文件句柄,一个用于保存.gz文件的zcat,另一个用于存储软件所需的行(每4行中有2行)并将其用作输入。它涉及生物信息学,但不需要经验。文件为fastq格式,软件需要它为fasta格式。每4行是一个fastq记录,取第一行和第三行,在第一行的开头加上“>;”,这是formatdb软件将用于每条记录的fasta等效值。在
perl脚本如下:
#!/usr/bin/perl
my $SRG = $ARGV[0]; # reads.fastq.gz
open($fh, sprintf("zcat %s |", $SRG)) or die "Broken gunzip $!\n";
# -i: input -n: db name -p: program
open ($fh2, "| formatdb -i stdin -n $SRG -p F") or die "no piping formatdb!, $!\n";
#Fastq => Fasta sub
my $localcounter = 0;
while (my $line = <$fh>){
if ($. % 4==1){
print $fh2 "\>" . substr($line, 1);
$localcounter++;
}
elsif ($localcounter == 1){
print $fh2 "$line";
$localcounter = 0;
}
else{
}
}
close $fh;
close $fh2;
exit;
它真的很好用。我怎么能在Python中做同样的事情呢?我喜欢Perl如何使用这些文件句柄,但我不确定在Python中如何在不创建实际文件的情况下做到这一点。我能想到的就是gzip.open把文件和每一条记录的两行写进一个新的文件中,用它来写“formatdb”,但太慢了。有什么想法吗?我需要把它放到python管道中,这样我就不能仅仅依赖perl脚本,我还想知道一般如何做到这一点。我假设我需要使用某种形式的子流程模块。在
这是我的Python代码,但这是一种降低速度的方法,这里的问题是速度(巨大的文件):
^{pr2}$
您可以使用以下函数解析整个文件并将其作为行列表加载:
首先,在Perl和Python中有一个更好的解决方案:只需使用
gzip
库。在Python中,有一个in the stdlib;在Perl中,您可以在CPAN上找到一个。例如:比花时间去
zcat
要简单得多,效率更高,可移植性更强。在但是如果您真的想用Python启动子进程并控制它的管道,那么可以使用^{} 模块来实现。而且,与Perl不同,Python可以做到这一点而不必在中间插入一个shell。在Replacing Older Functions with the ^{} Module 的文档中甚至有一个很好的部分给你食谱。在
所以:
^{pr2}$现在,
zcat.stdout
是一个类似文件的对象,使用通常的read
方法等,将管道包装到zcat
子进程。在例如,要在Python 3.x中一次读取一个二进制文件8K:
(如果您想在Python2.x中执行此操作,或者一次读取一个文本文件,而不是一次读取一个二进制文件8K,或者其他任何方法,那么这些更改与任何其他处理文件编码的更改相同。)
相关问题 更多 >
编程相关推荐