我有一系列的输入文件,如:分割线从INFILE在python
chr1 hg19_refFlat exon 44160380 44160565 0.000000 + . gene_id "KDM4A"; transcript_id "KDM4A";
chr1 hg19_refFlat exon 19563636 19563732 0.000000 - . gene_id "EMC1"; transcript_id "EMC1";
chr1 hg19_refFlat exon 52870219 52870551 0.000000 + . gene_id "PRPF38A"; transcript_id "PRPF38A";
chr1 hg19_refFlat exon 53373540 53373626 0.000000 - . gene_id "ECHDC2"; transcript_id "ECHDC2_dup2";
chr1 hg19_refFlat exon 11839859 11840067 0.000000 + . gene_id "C1orf167"; transcript_id "C1orf167";
chr1 hg19_refFlat exon 29037032 29037154 0.000000 + . gene_id "GMEB1"; transcript_id "GMEB1";
chr1 hg19_refFlat exon 103356007 103356060 0.000000 - . gene_id "COL11A1"; transcript_id "COL11A1";
在我的代码,我试图捕捉每行2个元素,第一个是后该号码它说,外显子,二是基因(该数字和字母组合的“包围”,如“KDM4A”这里是我的代码:
with open(infile,'r') as r:
start = set([line.strip().split()[3] for line in r])
genes = set([line.split('"')[1] for line in r])
print len(start)
print len(genes)
出于某种原因开始工作正常,但基因是不是拍摄什么。这里是输出:
48050
0
我想,这是什么做的“”周围的基因的名字,但如果我进入这个在终端上正常工作:
>>> x = 'A b P "G" m'
>>> x
'A b P "G" m'
>>> x.split('"')[1]
'G'
>>>
任何解决方案将不胜感激?如果即使它是一种完全不同的方式来捕获每行的2项数据。由于
好了,所以我应该在OP做些什么呢? – Kevin
@Kevin编辑感谢 – The6thSense
谢谢,我之前没有遇到过这个seek方法,非常有用。我接受这个答案,因为它的最短最简洁,并解决了1短代码 – user3062260