質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.61%

intとstrが混合する行の結合と操作

解決済

回答 3

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 225

tkgene

score 12

Python3を使ってゲノム解析をしている初心者です。

2ファイルの1列目を比較して、一致したら結合するという作業をしています。
単純な一致と結合だけなら簡単なのですが、結合した後に引き算をしたり、
listにあってdataにない場合でも0埋めして出力したいです。
また、各行にはゲノム配列(str)と数字(int)混合しています。
listとdataの中の行の順番はばらばらです。ここでは見やすいように数行だけソートしてのせてあります。
append()を使っていろいろやってみたのですがうまく進まなくて困っています。
どなたかご教授お願いします。
以下に試したスクリプトを乗せております。

list_file.txt'''
TTTTCTC      2219
TGCATGC      2143
GCATGCA      2140
TTTTTCT      2098
TTTTTTC      2098
TTTCTCT      1821
'''

data_file.txt'''
TTTTCTC      40
TGCATGC      21
GCATGCA      20
TTTTTCT      98
'''

やりたいこと
1列目を元に一致したら結合し、dataの2列目はそのまま出力、listの2列目はdataの2列目を引いた値を出力。さらに、listにあってdataにない場合は0で埋めて出力。

#期待する出力
TTTTCTC    40    2279
TGCATGC    21    2122
GCATGCA    20    2120
TTTTTCT    98    2000
TTTTTTC    0    2098
TTTCTCT    0    1821

試したスクリプト

list = []
data = []

with open('list_file.txt', 'r') as c:
    for line in c:
        if type(line) == str:
            list.append(int(line.split()))
        else:
            list.append(line.split())                                

with open('data_file.txt', 'r') as f:
    for line in f:
        if type(line) == str:
            data.append(int(line.split()))
        else:
            data.append(line.split())

for c in tss_list:
    for f in gene_list:
        if c[0] == f[0]:
            #print(f[0])
            print(c[0],"\t",c[1],"\t",c[1] - c[2],)
        elif c[0] in f[0]:
            print(c[0],"\t",c[1],"\t", 0 )

エラー

TypeError                                 Traceback (most recent call last)
<ipython-input-48-553a02782dd4> in <module>
9     for line in c:
10         if type(line) == str:
---> 11             list.append(int(line.split()))
12         else:
13             list.append(line.split())

TypeError: int() argument must be a string, a bytes-like object or a number, not 'list'

これはそもそもappendを使うのが間違っているのでしょうか。
よろしくお願いします。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • meg_

    2020/10/01 13:17

    質問のコードは別の箇所でエラーが出ますが、実際に試されたコードと同じものですか? 質問のエラーが再現するコードの提示をお願いします。

    キャンセル

  • nto

    2020/10/01 13:20

    specific_list、list_nonspec、tss_list、gene_list これらはどこでどの様に定義されているのでしょうか?

    キャンセル

回答 3

checkベストアンサー

0

lstやdataの形がどういった形なのかわからないので推測した形でのデータとなってしまいますが
以下の様にし、if文で文字列が含まれているかどうかを判定し処理を分ける事で目的の形に出力出来ます。

lst = ['TTTTCTC 2219',
        'TGCATGC 2143',
        'GCATGCA 2140',
        'TTTTTCT 2098',
        'TTTTTTC 2098',
        'TTTCTCT 1821']
data = ['TTTTCTC 40',
        'TGCATGC 21',
        'GCATGCA 20',
        'TTTTTCT 98']

mold = {}
for d in data:        # data内容を分割し辞書型に
    key, value = d.split()
    mold[key] = int(value)
for l in lst:
    string, digit = l.split()    # 文字列と数字列を分割
    if string in [key for key in mold.keys()]:    # 辞書のkeysの中にstringが含まれている場合
        result = int(digit) - mold[string]
        value = mold[string]
    else:
        value = 0
        result = int(digit)
    print(string, value, result)

質問内容の修正に伴い、コード修正

lst = []
with open('list_file.txt', 'r') as c:
    for line in c:
        string, digit = line.split()
        lst.append([string, int(digit)])

data = {}
with open('data_file.txt', 'r') as f:
    for line in f:
        string, digit = line.split()
        data[string] = int(digit)

for l in lst:
    string = l[0]    # 可読性をよくする為だけにわざと代入しています
    digit = l[1]    # 可読性をよくする為だけにわざと代入しています
    if string in [key for key in data.keys()]:
        value = data[string]
        result = digit - data[string]
    else:
        value = 0
        result = digit
    print(string, value, result, sep='\t')

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

0

これはそもそもappendを使うのが間違っているのでしょうか。

なにをしたいのか、をまずはっきりさせて、そのコードがそれを忠実に実現してるのか、を確認しましょう。
まずは、line.split()がなにを返しているのかを確認されてはどうでしょう

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

0

pandasのmerge使うと大分楽ができるケースではあるので載せておきます。

import pandas as pd
from io import StringIO

s1 = '''TTTTCTC      2219
TGCATGC      2143
GCATGCA      2140
TTTTTCT      2098
TTTTTTC      2098
TTTCTCT      1821
'''

list_df = pd.read_csv(StringIO(s1), header=None, sep='\s+').rename(columns={1:2})

s2 = '''TTTTCTC      40
TGCATGC      21
GCATGCA      20
TTTTTCT      98
'''

data_df = pd.read_csv(StringIO(s2), header=None, sep='\s+')

# list_dfとdata_dfのマージ
dfr = pd.merge(list_df, data_df, on=0, how='outer').reindex(columns=[0, 1, 2]).fillna(0).astype({1: 'int8'})
# 列2から列1の値を引く
dfr[2] = dfr[2] - dfr[1]

buffer = StringIO()
dfr.to_csv(buffer, header=False, index=False, sep='\t')
print(buffer.getvalue())
'''
TTTTCTC 40      2179
TGCATGC 21      2122
GCATGCA 20      2120
TTTTTCT 98      2000
TTTTTTC 0       2098
TTTCTCT 0       1821
'''

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2020/10/02 08:02

    ありがとうございます。Pandasで各行を操作するときはこのように書くのですね。
    勉強になります。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.61%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る