python将“|”更改为tab delimenated

Question

我需要将“|”替换为tab，这样我就可以分析我的人类注释基因组数据（200+mb）。我是一名研究助理，学习如何以最简单的方式分析/操作测序数据，以便在更多的数据上进行复制。你知道吗

下面是我的数据。一个文件中约有400000行此类数据。你知道吗

       ANN=C|downstream_gene_variant|MODIFIER|OR4G4P|ENSG00000268020|transcript|ENST00000606857|unprocessed_pseudogene||n.*1414T>C|||||1414|,C|intron_variant|MODIFIER|OR4G4P|ENSG00000268020|transcript|ENST00000594647|unprocessed_pseudogene|1/1|n.20-104T>C||||||;DP=11;SS=1;VT=SNP

我尝试使用此代码将几行的“|”替换为“\t”。你知道吗

import csv
infile = 'Book2.xlsx'
with open(infile , 'r') as inf: 
    for line in inf:    
        w =csv.writer(inf, delimiter = '\t')
        print w

我得到的是：

<_csv.writer object at 0x7f8beebaafc8>
<_csv.writer object at 0x7f8beebaafc8>
<_csv.writer object at 0x7f8beebaafc8>
<_csv.writer object at 0x7f8beebaafc8>
<_csv.writer object at 0x7f8beebaafc8>
<_csv.writer object at 0x7f8beebaafc8>
<_csv.writer object at 0x7f8beebaafc8>
<_csv.writer object at 0x7f8beebaafc8>
<_csv.writer object at 0x7f8beebaafc8>
<_csv.writer object at 0x7f8beebaafc8>
<_csv.writer object at 0x7f8beebaafc8>
<_csv.writer object at 0x7f8beebaafc8>
<_csv.writer object at 0x7f8beebaafc8>
<_csv.writer object at 0x7f8beebaafc8>
<_csv.writer object at 0x7f8beebaafc8>
<_csv.writer object at 0x7f8beebaafc8>
<_csv.writer object at 0x7f8beebaafc8>
<_csv.writer object at 0x7f8beebaafc8>
<_csv.writer object at 0x7f8beebaafc8>

Answer 1

尝试使用正则表达式。 一行示例：

a = "ANN=C|downstream_gene_variant|MODIFIER|OR4G4P|ENSG00000268020|transcript|ENST00000606857|unprocessed_pseudogene||n.*1414T>C|||||1414|,C|intron_variant|MODIFIER|OR4G4P|ENSG00000268020|transcript|ENST00000594647|unprocessed_pseudogene|1/1|n.20-104T>C||||||;DP=11;SS=1;VT=SNP"


import re
regex= re.compile(r'\|')
regex.sub("\t",a)

Answer 2

print w只是打印您创建的全新的csv.writer对象（您可能并不打算在每个循环上创建一个新的writer）。如果您想写入它，请使用the actual ^{} method。有很多example code on the ^{} docs page for reading and writing，您只需要将它们组合起来（并为每种语言使用另一种方言）。你知道吗

实际上，您并没有使用csv.reader，即使您使用了，您的输入文件也是.xlsx，它不是CSV、管道分隔或其他任何形式，它是一种更复杂的数据格式（officexml，它是zip文件，所以直接读取时看起来像二进制乱码）csv无法读取。你知道吗

Answer 3

您的文件名指示excel，但现在我将假设您实际上有一个tsv（制表符分隔）文件，而不是excel文件。如果是的话

infile = 'Book2.tsv'
of = 'Book2.csv'
with open(infile , 'r') as inf: 
    for line in inf:
         of.write(line.replace('|',','))
of.close()

当然，如果是Excel则不同，那么请尝试xlrd Udacity在“与MongoDB的数据争用”中有一些很好的教训