循环遍历字典，同时创建元组

Question

我正在学习python，并且正在尝试处理map和tuple。我已经从一个解析过的文件中创建了一个字典，并且正在另一个文件中解析。我想遍历字典并用从字典中获得的ID替换解析文件每行的第一个元素

我的字典：

for line in blast_lines:
    (transcript,swissProt,identity) = parse_blast(blast_line=line)
    transcript_to_protein[transcript] = swissProt

在文件中进行解析，并创建一个元组，如果该ID存在条目，则该元组将以字典中的值作为第一个元素

def parse_matrix(matrix_line):
    matrixFields = matrix_line.rstrip("\n").split("\t")
    protein = matrixFields[0] 
    if matrixFields[0] in transcript_to_protein:
            protein = transcript_to_protein.get(transcript)
            matrixFields[0] = protein
    return(tuple(matrixFields))

我没有在这里包含所有代码，因为我确信我的问题一定是如何迭代解析文件和字典，但我会在底部包含所有内容。你知道吗

输入：

blast（字典中存储的内容）

c1000_g1_i1|m.799   gi|48474761|sp|O94288.1|NOC3_SCHPO  100.00  747 0   0   5   751 1   747 0.0  1506 

这一行的成绩单是c1000\ g1\ i1，瑞士的保护是O94288.1

矩阵（正在分析的文件）

c3833_g1_i2 4.00    0.07    16.84   26.37

如果第一个字段中的值与字典中的键（transcript）匹配，我尝试用字典中的swissProt替换第一个字段（matrixFields[0]）。你知道吗

我想要这样的输出

Q09748.1    4.00    0.07    16.84   26.37
O60164.1    24.55   116.87  220.53  28.82
C5161_G1_I1 107.49  89.39   26.95   698.97
P36614.1    27.91   72.57   5.56    36.58
P37818.1    82.57   19.03   48.55   258.22

但我明白了：

O94423.1    4.00    0.07    16.84   26.37
O94423.1    24.55   116.87  220.53  28.82
C5161_G1_I1 107.49  89.39   26.95   698.97
O94423.1    27.91   72.57   5.56    36.58
O94423.1    82.57   19.03   48.55   258.22

注意它们中的4个都有相同的值，而不是字典中的单个抄本

完整代码：

transcript_to_protein = {};

def parse_blast(blast_line="NA"):
    fields = blast_line.rstrip("\n").split("\t")
    queryIdString = fields[0]
    subjectIdString = fields[1]
    identity = fields[2]
    queryIds = queryIdString.split("|")
    subjectIds = subjectIdString.split("|")
    transcript = queryIds[0].upper()
    swissProt = subjectIds[3]
    base = swissProt.split(".")[0]
    return(transcript, swissProt, identity)

blast_output = open("/scratch/RNASeq/blastp.outfmt6")
blast_lines = blast_output.readlines()

for line in blast_lines:
    (transcript,swissProt,identity) = parse_blast(blast_line=line)
    transcript_to_protein[transcript] = swissProt

def parse_matrix(matrix_line):
    matrixFields = matrix_line.rstrip("\n").split("\t")
    matrixFields[0] = matrixFields[0].upper()
    protein = matrixFields[0]
    if matrixFields[0] in transcript_to_protein:
            protein = transcript_to_protein.get(transcript)
            matrixFields[0] = protein
    return(tuple(matrixFields))

def tuple_to_tab_sep(one_tuple):
    tab = "\t"
    return tab.join(one_tuple)

matrix = open("/scratch/RNASeq/diffExpr.P1e-3_C2.matrix")

newline = "\n"

list_of_de_tuples = map(parse_matrix,matrix.readlines())

list_of_tab_sep_lines = map(tuple_to_tab_sep, list_of_de_tuples)
print(newline.join(list_of_tab_sep_lines))

Answer 1

首先，在parse_blast()中有一个bug—它不返回元组(transcript,swissProt,identity)，而是返回(transcript,base,identity)，base不包含丢失的信息。你知道吗

更新

其次，parse_matrix()中还有一个bug。从文件读取的第一个字段没有丢失的信息，但是，当matrixFields[0]在transcript_to_protein字典中时，它会将这些信息放入返回的元组中。你知道吗

仅仅解决一个问题本身并不能解决问题。你知道吗

Answer 2

错误出现在我的dictionary调用中，因为我想将matrixFields[0]与dictionary中的转录本匹配，所以我尝试使用if matrixFields[0] in transcript_to_protein:搜索dictionary，但需要指定字段

trasncript = matrixfields[0]
if transcript in transcript_to_protein:
        protein = transcript_to_protein.get(transcript)

Answer 3

似乎问题可能出在parseblast函数中。 对于行

c1000_g1_i1|m.799   gi|48474761|sp|O94288.1|NOC3_SCHPO  100.00  747 0   0   5   751 1   747 0.0  1506

subjectIdString = fields[1]

所以主语应该是gi | 48474761 | sp | O94288.1 | NOC3 | u SCHPO

然后呢

swissProt = subjectIds[3]

swissProt将是O94288.1，函数使用它进一步拆分。在线

base = swissProt.split(".")[0]

最终结果是swissprot将是094288，而不是| O94288.1，这似乎是您所期望的。我建议在单行输入上测试该函数，直到得到所需的输出