python - 去除重复行并保留得分最高的行
迷茫
迷茫 2017-04-18 10:34:19
0
3
709

第一列(scaffold这一列)相同,则根据第AS列(AS:i:xx)数字 xx的大小,保留数字最大的行。如果数字大小相同则都保留。

举例,
输入文件

scaffold_010679_1AL.2    16    chr1A    429400034    119    3272M    *    GACACAAGAGACTCTTTG    *    AS:i:3268    XS:i:2147    XF:i:0    XE:i:29    NM:i:1
scaffold_010679_1AL.2    16    chr1A    429400034    119    3272M    *    GACACAAGAGACTCTTTG    *    AS:i:3268    XS:i:2147    XF:i:0    XE:i:29    NM:i:1 
scaffold_010679_1AL.2    16    chr1A    429400034    119    3272M    *    GACACAAGAGACTCTTTG    *    AS:i:1268    XS:i:2147    XF:i:0    XE:i:29    NM:i:1
scaffold_010679_1AL.3    16    chr1A    429397743    19    599S1730M1I279M    *    0    0    TGCCGAGGTTTTTGA    *    AS:i:1998    XS:i:1877    XF:i:3    XE:i:20    NM:i:2    XN:i:1
scaffold_010679_1AL.3    16    chr1A    429397743    19    599S1730M1I279M    *    0    0    TGCCGAGGTTTTTGA    *    AS:i:1098    XS:i:1877    XF:i:3    XE:i:20    NM:i:2    XN:i:1

结果文件

scaffold_010679_1AL.2    16    chr1A    429400034    119    3272M    *    GACACAAGAGACTCTTTG    *    AS:i:3268    XS:i:2147    XF:i:0    XE:i:29    NM:i:1
scaffold_010679_1AL.2    16    chr1A    429400034    119    3272M    *    GACACAAGAGACTCTTTG    *    AS:i:3268    XS:i:2147    XF:i:0    XE:i:29    NM:i:1 
scaffold_010679_1AL.3    16    chr1A    429397743    19    599S1730M1I279M    *    0    0    TGCCGAGGTTTTTGA    *    AS:i:1998    XS:i:1877    XF:i:3    XE:i:20    NM:i:2    XN:i:1
迷茫
迷茫

业精于勤,荒于嬉;行成于思,毁于随。

Antworte allen(3)
迷茫
# coding: utf-8

from itertools import groupby

with open('a.txt') as f:
    data = [line for line in f]

    #因为数据的列数不相同, 只能以AS:i:为开头来识别
    #取第一列为key, AS:i:列为value
    lst = [(l.split()[0], _) for l in data for _ in l.split() if _.startswith('AS:i:')]
    
    #找出同key下的max(value)
    max_lst = [max(list(g)) for k, g in groupby(lst, lambda x: x[0])]
    
    #从原数据里找到同时包含key和value的行
    print [line for line in data for _ in max_lst if _[0] in line and _[1] in line]
左手右手慢动作
awk '{n=gensub(".*AS:i:([0-9]+).*","\\1","g")}n>=k[$1]{c[$1]=n==k[$1]?c[$1]"\n"$0:$0;k[$1]=n}END{for(i in c)print c[i]}' file
伊谢尔伦
grep "`sort -r -t "*" -k 3 b.txt | head -1 |awk -F "*" '{split($3,a," ");print a[1]}'
`" b.txt

思路文件按星号*分列分3列,按照第三列降序排序,取出第一行,取出AS:i:最大数,grep搜索之,得到结果。

是我没仔细看提问,失误了~~结果不对

Beliebte Tutorials
Mehr>
Neueste Downloads
Mehr>
Web-Effekte
Quellcode der Website
Website-Materialien
Frontend-Vorlage
Über uns Haftungsausschluss Sitemap
Chinesische PHP-Website:Online-PHP-Schulung für das Gemeinwohl,Helfen Sie PHP-Lernenden, sich schnell weiterzuentwickeln!