新编辑为预期结果

Question

我正在尝试从csv文件中对重复值列A进行排序，但未在python中获得预期结果。

输入文件：（.csv）

列名：

Uniprot Acc, PDB ID, Ligand ID, Structure Title, Uniprot Recommended Name, Gene Name, Macromolecular Name

我想对重复值和单个Uniport Acc列以及pdb id和配对ID进行排序。

 Input file:
 Uni port Acc  PDB ID  Ligand ID
 * P0AET8   1AHI    NAI
 * P04036   1ARZ    NAI
 * Q59771   1C1D    NAI
 * P0C0F4   1DLJ    NAI
 * Q9QYY9   1E3E    NAI
 * Q9QYY9   1E3I    NAI
 * Q14376   1EK6    NAI
 * Q16836   1F17    NAI
 * P0AET8   1FMC    NAI
 * Q46220   1GIQ    NAI
 * P97852   1GZ6    NAI
 * P07195   1I0Z    NAI
 * P00338   1I10    NAI
 * P11986   1JKI    NAI
 * P10760   1KY5    NAI
 * Q2RSB2   1L7E    NAI
 * Q27743   1LDG    NAI
 * O32080   1LSU    NAI
 * P00334   1MG5    NAI
 * P26392   1N2S    NAI
 * P9WGT1   1NFQ    NAI
 * P0ABH7   1NXG    NAI
 * P05091   1NZW    NAI
 * P05091   1NZZ    NAI
 * P27443   1O0S    NAI
 * P0A6D5   1O9B    NAI
 * P20974   1OG4    NAI
 * P11986   1P1J    NAI

 Expected Result:
 Uni port Acc  PDB ID  Ligand ID
 * P0AET8   1AHI    NAI
 * P0AET8   1FMC    NAI
 * P04036   1ARZ    NAI
 * Q59771   1C1D    NAI
 * P0C0F4   1DLJ    NAI
 * Q9QYY9   1E3E    NAI
 * Q9QYY9   1E3I    NAI
   .
   .
   .





 I want to sort how many uniport acc id same with pdb id along with single id, No need to remove any id.

代码：

import csv
import re
import sys
import os

f1 = csv.reader(open('one.csv', 'rb'))

writer = csv.writer(open("Output_file_1.csv", "wb"))
def has_duplicates(f1):    
    for i in range(0, len(f1)):
        for x in range(i + 1, len(f1)):
            if f1[i] == f1[x]:
                var = f1[i]                    
                writer.writerow(var)

Answer 1

您可以先将所有值存储在列表中，然后就可以按排序顺序轻松找到重复值。见下面的代码。

  import csv
  import re
  import sys
  import os

  f1 = csv.reader(open('one.csv', 'rb'))

  writer = csv.writer(open("Output_file_1.csv", "wb"))

  def has_duplicates(f1):
      list = []
      for i in range(0, len(f1)):
          list.append(f1[i])
      for var in set([x for x in list if list.count(x) > 1]):
          writer.writerow(var)  # print only duplicate values in a sorted list

新编辑为预期结果

如果可以使用sorted，但这将给出您的预期结果，但有一点差异。您可以使用以下代码来获得预期结果。

def sort_duplicates(f1):
      for i in range(0, len(f1)):
          f1.insert(f1.index(f1[i])+1, f1[i])
          f1.pop(i+1)
for var in f1:
     writer.writerow(var)

我已经测试了一个列表。这是结果屏幕截图..

>>> a=['P0AET8', 'Q59771', 'P0C0F4','DFC4H', 'P0AET8','Q59771','ACG5D']
>>> print sorted(a)
['ACG5D', 'DFC4H', 'P0AET8', 'P0AET8', 'P0C0F4', 'Q59771', 'Q59771']

如果你使用上面的代码，那就是结果。

>>> a=['P0AET8', 'Q59771', 'P0C0F4','DFC4H', 'P0AET8','Q59771','ACG5D']
>>> for i in range(0,len(a)):
...             a.insert(a.index(a[i])+1, a[i])
...             a.pop(i+1)

>>> print a
['P0AET8', 'P0AET8', 'Q59771', 'Q59771', 'P0C0F4', 'DFC4H', 'ACG5D']

从csv文件

1 个答案:

新编辑为预期结果