Question

我有一个包含这样数据的.txt：

Header:ensembl gene ID|Ensembl Transcript ID|CDS start|CDS end|5'UTR start|5'UTR end|3'UTR start|3'UTR end|Transcripts start|Transcripts end
>ENSMUSG00000002477|ENSMUST00000002551|*some junk information*...etc.|
TCGCGCGTCCGCAGGCCTCCGCGCGCTTTTCCG....etc.
>ENSMUSG00000002835|ENSMUST00000002914|...etc.|
GCAGAAGTGACACCGGTGGGAGGCG...etc.

我编写的代码让我知道我的名字ENSMUSG0000000xxxx

我想从.txt中选择下一行的名字，例如。＆＃34; TACGTACG＆＃34;以三重形式阅读，例如，＆＃34; TAC＆＃34; ＆＃34; GTA＆＃34;

然后我想做同样的事情，但不是从第一封信中读到我想要从第二个开始，使用上面的例子，它将会读到＆＃34; ACG＆＃34;和＆＃34; TAG＆＃34;

再次相同但跳过前两个字母

我真的不知道我该怎么做，特别是阅读3个字母部分。有人可以帮我一把吗？

这些是我到目前为止的代码：

import csv
import os.path
#open files + readlines
with open("C:/Users/Ivan Wong/Desktop/Placement/Lists of targets/Mouse/UCSC to Ensembl.csv", "r") as f:
reader = csv.reader(f, delimiter = ',')
#find files with the name in 1st row
for row in reader:
    graph_filename = os.path.join("C:/Users/Ivan Wong/Desktop/Placement/Interesting reading/3'ORF",row[0]+"_nt_counts.txt.png")
    if os.path.exists(graph_filename):
        y = row[0]+'_nt_counts.txt'  
        r = open('C:/Users/Ivan Wong/Desktop/Placement/fp_mesc_nochx/'+y, 'r')
        k = r.readlines()
        r.close
        del k[:1]
        k = map(lambda s: s.strip(), k)
        interger = map(int, k)   
        import itertools
        #adding the numbers for every 3 rows
        def grouper(n, iterable, fillvalue=None):
            "grouper(3, 'ABCDEFG', 'x') --> ABC DEF Gxx"
            args = [iter(iterable)] * n
            return itertools.izip_longest(*args, fillvalue=fillvalue)
        result = map(sum, grouper(3, interger, 0))
        e = row[1]
cDNA = open('C:/Users/Ivan Wong/Desktop/Placement/Downloaded seq/Mouse/cDNA.txt', 'r')
q = cDNA.readlines()
cDNA.close
#To delete the 1st line that I do not want at all
del q[:1]

现在我有了一个想法，我想按步骤分解它们

1st：我想从我的.txt（名为q）列表中找出名称（我将其命名为e）

第二：我想让它读到下一行，直到它到达另一个名字（e）

第三：打破我读到的那些行，像这样＃34; A＆＃34;，＆＃34; T＆＃34;，＆＃34; C＆＃34;，＆＃34; G＆＃34 ;，＆＃34; A＆＃34;，＆＃34; A＆＃34;等

第四：读取3个字母是这样的 - ＆＃34; ATC＆＃34;，＆＃34; GAA＆＃34;

第五步：将它们写入文件，然后返回第4步，但这次是以第2个字母开头

第6步：基本上是第5步，但这次是在第3个字母上开始

虽然我有这个想法，但我没有这方面的编程知识，有人可以帮助我

Answer 1

因为这不是家庭作业，所以这是一种入门方式。假设您感兴趣的行是那些不以'>'开头的行，切片操作将在这里有所帮助。

with open('data.txt') as inf:
    for line in inf:
        if not line.startswith('>'):
            strings3 = [line[i:i+3]for i in range(len(line))]

将在每一行收集您感兴趣的3个字母序列：

输入行：

GCAGAAGTGACACCGGTGGGAGGCG

输出

['GCA', 'CAG', 'AGA', 'GAA', 'AAG', 'AGT', 'GTG', 'TGA', 'GAC', 'ACA', 'CAC', 'ACC', 'CCG', 'CGG', 'GGT', 'GTG', 'TGG', 'GGG', 'GGA', 'GAG', 'AGG', 'GGC', 'GCG', 'CG\n', 'G\n', '\n']

请注意，如果该行上的字符数不能被3整除，则会得到一些较短的字符串以及一些换行符。

您也可以重新使用最近提出的其他问题中的grouper功能。

Python读取复杂的.txt文件

1 个答案: