我有一个包含许多分隔值的大文本文件。但是文本文件中的值由空格和分号分隔。下面是一些在 Unix 中使用 Less 命令的行:
#CHROM POS ID REF ALT QUAL FILTER INFO FORMAT
chr7 149601 MERGED_DEL_2_39754 T . 141.35 . AC=0;AF=0.00;AN=2;DP=37;MQ=37.00;MQ0=0;1000gALT=<DEL>;AF1000g=0.09
chr7 149616 rs190051229 C . 108.65 . AC=0;AF=0.00;AN=2;DP=35;MQ=37.00;MQ0=0;1000gALT=T;AF1000g=0.00
chr7 149628 rs3814456 A . 129.31 . AC=0;AF=0.00;AN=2;DP=37;MQ=37.00;MQ0=0;1000gALT=G;AF1000g=0.14
chr7 149634 rs146001818 G T 1375.63 . AC=2;AF=1.00;AN=2;BaseQRankSum=0.456;DP=39;Dels=0.00;FS=0.000;HRun=0;HaplotypeScore=0.9997;MQ=37.00;MQ0=0;MQRankSum=1.641;QD=35.27;ReadPosRankSum=1.459;1000gALT=T;AF1000g=0.01
我希望能够用分号替换 chr7 旁边的空格。然后我想在POS值内选择一定范围内的线,例如:149601到149628(前三行),所以我可以计算AF100g在这个范围内的总值(本例中前三行为0.24) ).
我该怎么做?
请您参考如下方法:
我不太明白你所说的“相差 30 或更少”是什么意思。因为第 1 行(149601)和第 2 行(149616)相差 15,这里已经小于 30。
现在获取您想要的值(假设您正在遍历文件并将每一行存储在名为 line 的变量中):
POS:我建议先用一个空格替换所有空格,然后使用这个空格将字符串拆分成多个部分 (line = re.sub(r"+", r"", line))。第二个元素将是您的 POS 值 (pos = int(line.split("")[1]))。
AF 值:只需使用正则表达式搜索关键字:float(re.match(r".*?AF1000g=(.*?)\s.*?", line).groups( )[0])
保留一个全局变量,在每个循环步骤中将您的个人 AF 值相加。当达到您想要的条件时,打印相加的 AF 值。继续将之前的 POS 值保存在循环外的变量中,并取两个 pos 值之间的差值。如果您想要一个正值,请记住使用 abs()。
