Question

我有此代码：

import sys
import argparse
import operator

def main (argv):
    parser = argparse.ArgumentParser()
    parser.add_argument('infile', help='file to process')
    parser.add_argument('outfile', help='file to produce')
    args = parser.parse_args()


    with open(args.infile, "r") as f:
        with open(args.outfile,"w+") as of:
            seen=set()
            for line in f:
                line_lower = line.lower()
                if line_lower not in seen:
                    of.write(line_lower)
                else:
                    pass


if __name__ == "__main__":
    main(sys.argv)`

文件内文件示例：

M03972：51：000000000-BJVL8：1：1103：20083：5527 猫

有时会有重复的序列。我想删除它们，但是我的代码似乎无法正常工作。它只是基本上复制文件，但不会引发任何错误。有人知道为什么吗？

谢谢

Answer 1

您忘记添加seen独有的行。这是代码的固定部分：

seen=set()
for line in f:
    line_lower = line.lower()
    if line_lower not in seen:
        of.write(line_lower)
    else:
        seen.add(line_lower)

如何从文件中过滤出重复的Fasta序列

1 个答案: