Python的 - 如何在一个文件中匹配另一个文件中的行排序排序顺序

Question

我有两个文件：一个& B.

文件是制表符分隔的，具有特定的排序顺序。我想对文件B中的所有行进行排序，以便两个文件中的所有行完全匹配。

这里是文件（即排序的文件）的格式：

#chr #start  #end  #name      #score #strand 
chr1 161427010 161427243 Larp7-Chip.MACS2_peak_9704 0.0 . 
chr1 161423805 161424053 Larp7-Chip.MACS2_peak_9703 0.0 . 
chr1 161429385 161429489 Larp7-Chip.MACS2_peak_9705 0.0 . 

下面是文件B（我要排序的文件）的格式：

#chr #start  #end  #name   #score #strand #genechr #genestart #geneend #genename #genescore #genestrand 
chr1 1057669 1058006 Larp7-Chip.MACS2_peak_175 0 . chr1 1017198 1051736 C1orf159 0 - 
chr1 1058881 1058914 Larp7-Chip.MACS2_peak_176 0 . chr1 1017198 1051736 C1orf159 0 - 
chr1 1063389 1063653 Larp7-Chip.MACS2_peak_181 0 . chr1 1072397 1079434 LINC01342 0 + 

由于你可以看到文件B有比文件A更多的信息，这就是为什么我需要匹配排序顺序，这样我就可以从文件B awk重要的信息。

本质上是我的输出（我们将其称为文件C） SH乌尔德这个样子：

#chr #start  #end  #name      #score #strand #genechr #genestart #geneend #genename #genescore #genestrand 
chr1 161427010 161427243 Larp7-Chip.MACS2_peak_9704 0 . chr1 161475205 161489360 FCGR2A 0 + 
chr1 161423805 161424053 Larp7-Chip.MACS2_peak_9703 0 . chr1 161475205 161489360 FCGR2A 0 + 
chr1 161429385 161429489 Larp7-Chip.MACS2_peak_9705 0 . chr1 161475205 161489360 FCGR2A 0 + 

注意：我不能使用的第四列匹配和排序的文件。有多个重复项，因此会导致问题。排序顺序必须与前三列匹配。

编辑：为了清楚起见，文件A具有关于人类基因组中增强子区域的信息。文件B具有相同的增强子信息，但是具有关于与每个增强子区域相邻的相关基因的额外信息。

我想输出一个新的文件，它具有文件B中的所有信息，但遵循与文件A相同的行顺序。两个项目的数量相同。

这是可能在Python 3中做的吗？我对编程颇为陌生，但有了一点帮助，我应该可以做到这一点。这也是我在工作中非常常见的任务，所以让这个脚本为将来铺设好将是非常棒的！

谢谢！

Answer 1

我认为前6周的cols是足以唯一标识您的记录：

def getKey (x): 
    keys = x.split()[0:6] 
    keys[4] = float(keys[4]) 
    return tuple(keys) 
rows_of_fileB = dict([ getKey(r), r] for r in fileB) 
for row in fileA: 
    print(rows_of_fileB[getKey(row)])