错误地重写文件

Question

我有一个选项卡分隔的文件，看起来像这样：

chrom   start   stop    strand  isoform mu_codon    mut_codon2  more_info
chr22   43089055    43089055    -   NM_017436   C       903delC
chr22   43089715    43089717    -   NM_017436   CTT     241_243delTTC
chr22   43089657    43089657    -   NM_017436   G       301delG
chr12   53701873    53701875    -   NM_015665   TTC A   1292_1294delTTCinsA

我编写了一个脚本来计算mut\u codon2列中的字符数，并将信息输出到一个文件中

这是我的剧本：

import csv
OutputFileName = "indels_mut_count2.txt"
OutputFile = open(OutputFileName, 'w')

with open("indels_mut_removed.txt") as f:
    for line in f:
        columns = line.split('\t')
        chrom = columns[0]
        start = columns[1]
        stop = columns[2]
        strand = columns[3]
        isoform = columns[4]
        codon1 = columns[5]
        codon2 = columns[6]
        info = columns[7]
        length = len(codon1)
        length2 = len(codon2)
        OutputFile.write(''+chrom+'\t'+str(start)+'\t'+str(stop)+'\t'+strand+'\t'+isoform+'\t'+codon1+'\t'+codon2+'\t'+str(length)+'\t'+str(length2)+'\t'+info+'\n')

我几乎可以肯定我的问题与OutputFile.write()有关，因为输出的文件在我想要输出的每一行后面都添加了空行。举个例子：

chrom   start   stop    strand  isoform mu_codon    mut_codon2  8   10  more_info

chr22   43089055    43089055    -   NM_017436   C       1   1   903delC

chr22   43089715    43089717    -   NM_017436   CTT     3   1   241_243delTTC

chr22   43089657    43089657    -   NM_017436   G       1   1   301delG

但是，我也得到一个错误，内容如下：

info = columns[7] IndexError: list index out of range

我不确定我做错了什么。有什么建议吗

Answer 1

csv（正如Arkanosis所建议的那样）是一个很好的选择；否则：

with open("indels_mut_removed.txt") as f:
    for line in f:
        line = line.strip() # removes trainling '\n'
        columns = line.split('\t')

Answer 2

要使用csv，可以执行以下类似操作：

import csv

with open(fn) as fin, open(fo, 'w') as fout:
    reader=csv.reader(fin, delimiter='\t')
    writer=csv.writer(fout, delimiter='\t')
    headers_in=next(reader)
    headers_out=headers_in[:-1]+['len codon 1', 'len codon 2']+headers_in[-1:]
    writer.writerow(headers_out)
    for row_in in reader:
        row_out=row_in[:-1]+map(len, [row_in[5], row_in[6]])+row_in[-1:]
        writer.writerow(row_out)

鉴于此输入：

chrom   start   stop    strand  isoform mu_codon    mut_codon2  more_info
chr22   43089055    43089055    -   NM_017436   C   903delC
chr22   43089715    43089717    -   NM_017436   CTT 241_243delTTC
chr22   43089657    43089657    -   NM_017436   G   301delG
chr12   53701873    53701875    -   NM_015665   TTC A   1292_1294delTTCinsA

生成此输出：

chrom   start   stop    strand  isoform mu_codon    mut_codon2  len codon 1 len codon 2 more_info
chr22   43089055    43089055    -   NM_017436   C   1   7   903delC
chr22   43089715    43089717    -   NM_017436   CTT 3   13  241_243delTTC
chr22   43089657    43089657    -   NM_017436   G   1   7   301delG
chr12   53701873    53701875    -   NM_015665   TTC A   5   19  1292_1294delTTCinsA

Answer 3

我建议您使用csv.csvreader而不是手动拆分行。拆分不处理转义和其他一些事情，因此csv.csvreader更安全

作为参考，您遇到这个问题是因为您没有剥离每行末尾的\n，例如使用rstrip()。然后将其写入输出，并添加一个（第二个）\n，在调用write()时将其放入自己的位置

不过，还是用csv.csvreader代替