我想解决一个我一直在Python中遇到的问题。我有一个文件，有一列，其中包含大约6000行。对于每一行，每一项都是唯一的（这个文件被过滤以从40000行文件中删除重复项）。每行中的项目长度不同，其中一些项目的长度与其他项目相等。在
单线示例：
IGHV3-30/33rn-IGHJ4-CARDPSLSSMITFGGVIVTRGYFDYW
或更多例子，在第三个“-”后用制表符隔开（第一部分不同）：
^{pr2}$在第一列中，有些项目是不同的。在第二列中，每一项都是唯一的。第一列项目需要匹配，然后第二列项目需要按最小不匹配值2排序。 理想情况下，这对Levenshtein模块很好，因为我可以设置max，但我需要两个字符串。有没有一种方法可以在一个列表中的每一项上使用Levenshtein？在
我需要做的是打开这个文件（我想先按长度排序可能会有帮助，但是我不确定）。在所有的项都按长度分组后，我需要将这些项按1个字符进行分组（第三个“-”之前的字符串必须相同，其中“-”后面的字符串只应相差1个字符）
我想我遇到的问题是生成一个适当的for循环来遍历条目长度。在
到目前为止，我的代码是：
import sys
import os
import Levenshtein
inp = sys.argv[1] # Input file containing single column of items
with open(inp, "r") as f1:
vj = [line.strip() for line in f1]
lengths = []
for k in vj:
i = len(k)
lengths.append(i)
lengths_sort = sorted(lengths, reverse = True)
uniq_len = []
for i in lengths_sort:
if i not in uniq_len:
uniq_len.append(i)
print uniq_len #For QC purposes
def get_new_list(strings, counts, outlist=[]):
for s in strings:
if len(s) == counts[0]:
outlist.append(s)
return outlist
new_vj = get_new_list(vj, uniq_len, outlist=[])
print new_vj
ham = Levenshtein.hamming(new_vj[0], new_vj[1])
print ham
所以我想要的输出是好的，但还没有完成：
[46, 44, 43, 42, 41, 40, 39, 38, 37, 36, 35, 34, 33, 32, 31, 30, 29, 28, 27, 26, 25, 24, 23, 22, 21, 20, 19, 18]
46
['IGHV3-30/33rn-IGHJ4-CAKDPSLSSMITFGGVIVTRGYFDYW', 'IGHV3-30/33rn-IGHJ4-CARDPSLSSMITFGGVIVTRGYFDYW']
1
有两个长度为46的项目（巧合的是，第三个“-”之前的字符串是相同的；很好）并且它们在两个字符串之间只相差一个字符。在
我的问题是，1。我如何迭代uniq_len列表中的数字作为unput在“strings”列表中匹配长度（参见代码中的函数）。2我想为每个不同的长度创建一个新列表。三。如果每个新列表中都有多个项目，则所有项目的差别仅为1个字符。在
注意：“-”是使用UNIX paste-d-命令创建的，其中3个文件每个文件包含1个列来创建这个文件。是否可以更容易地将这些文件与\t作为分隔符粘贴在一起以创建3列？在
所以，打开文件，去掉行，然后就可以匹配第1列、第2列，看看第3列是否有一个或多个字符不同？在
感谢所有的帮助。在
Tags： 文件项目字符串in列表newforlen
热门问题
- 如何在Excel中读取公式并将其转换为Python中的计算？
- 如何在excel中读取嵌入的excel，并将嵌入文件中的信息存储在主excel文件中？
- 如何在Excel中返回未知列长度的非空顶行列值？
- 如何在excel中选择数据列？
- 如何在Excel中通过脚本自动为一列中的所有单元格创建公共别名
- 如何在excel中高效格式化范围AttributeError:“tuple”对象没有属性“fill”
- 如何在excel单元格中编写python函数
- 如何在excel单元格中自动执行此python代码？
- 如何在excel工作表中创建具有相应值的新列
- 如何在Excel工作表中复制条件为单元格颜色的python数据框？
- 如何在Excel工作表中循环
- 如何在excel工作表中打印嵌套词典？
- 如何在excel工作表中绘制所有类的继承树？
- 如何在Excel工作表中自动调整列宽？
- 如何在excel工作表中追加并进一步处理
- 如何在excel工作表之间进行更改？
- 如何在excel或csv上获取selenium数据？
- 如何在Excel或Python中将正确的值赋给正确的列
- 如何在excel或python中提取单词周围的文本？
- 如何在excel或python中转换来自Jira的3w 1d 4h的fromat数据？
热门文章
- Python覆盖写入文件
- 怎样创建一个 Python 列表？
- Python3 List append()方法使用
- 派森语言
- Python List pop()方法
- Python Django Web典型模块开发实战
- Python input() 函数
- Python3 列表(list) clear()方法
- Python游戏编程入门
- 如何创建一个空的set?
- python如何定义(创建)一个字符串
- Python标准库 [The Python Standard Library by Ex
- Python网络数据爬取及分析从入门到精通（分析篇）
- Python3 for 循环语句
- Python List insert() 方法
- Python 字典(Dictionary) update()方法
- Python编程无师自通 专业程序员的养成
- Python3 List count()方法
- Python 网络爬虫实战 [Web Crawler With Python]
- Python Cookbook（第2版）中文版
更新：修改为处理可变数量的“id”子字段，并将结果打印为单个字符串。注：几个测试用例被添加到输入的末尾，使一些测试用例具有不同数量的前导字段组成id（即2个而不是3个）。在
我还重命名了
num_mismatches()函数hamming_distance()，因为它就是这样。在使用以下输入：
这个剧本：
^{pr2}$输出：
希望这次更新也有帮助。。。在
假设您想按A）列的长度，B）该列的Levenshtein距离和上面或下面的列对一些行进行排序。在
这个问题马上就出现了levenshtein距离是在两个相对的对象之间；也就是说，
Levenshtein(a, b)不是像len(a)这样的单声道属性。levenshtein距离的值会随着列表中各行相对位置的变化而变化。在python2.X支持较早的
cmp和key参数进行排序。这是低效的，因为每次通过分拣都必须重新评估。但是，Levenshtein sort是相对于条目上方和下方的项。在作为一个例子，让我们制作一个示例数据的矩阵：
现在按
^{pr2}$row[1]的长度对这些行进行排序：现在根据条目的levenshtein距离进行排序。请注意，您需要使用
cmp，因为levenstein基于两个值：如果要将两元素排序
cmp更改为键类型（对于不支持cmp的Python 3），可以生成比较对象：使用
data.sort(key=cmp_to_key(levenshtein))调用排序相关问题 更多 >
编程相关推荐