蟒蛇; 计算一个文件中的单词与另一文件中的行

Question

我有一个带有单词的文件，我将它们导入到带有pandas的python中。 使用我的代码，我想计算其他文件中的单词数量，并输出每个文件中每个单词的计数。 我正在遍历多个文件，因此我正在使用glob。 效果很好，但问题在于计数

我的档案看起来像这样

>1
GTCTTCCGGCGAGCGGGCTTTTCACCCGCTTTATCGTTACTTATGTCAGCATTCGCACTT
CTGATACCTCCAGCAACCCTCACAGGCCACCTTCGCAGGCTTACAGAACGCTCCCCTACC
>2
AAAGAAAGCGTAATAGCTCACTGGTCGAGTCGGCCTGCGCGGAAGATGTAACGGGGCTAA
ACCATGCACCGAAGCTGCGGCAGCGACACTCAGGTGTTGTTGGGTAGGGGAGCGTTCTGT     

单词txt文件包含我要查找的单词。 为了简化它，例如，它包含单词“ GTCTT，CCCGC和AACGG”。

使用我的代码，我想查找这些单词并用以下代码计数

import pandas as pd
import glob 
from itertools import groupby

word = pd.read_csv("word.txt", delim_whitespace=True,header=None)

for file in glob.glob('input.txt'):
    with open(file) as f:
        for k, g in groupby(f, lambda x: x.startswith('>')):
            if k:
                sequence = next(g).strip('>\n')
            else:
                d1 = list(''.join(line.strip() for line in g))
                counts = Counter()

                if d1 == word:
                    counts[d1] += 1
                    print(counts)

我的输出必须告诉我找到单词的次数

>1
GTCTT 1
CCCGC 1
AACGG 0
>2 
GTCTT 0
CCCGC 0
AACGG 1

有人可以帮我更改计数代码吗？ 我不知道怎么做。

Answer 1

我对您的代码做了一些更改：

#!/usr/bin/env python

with open('file.txt','r') as f: l = f.read().splitlines()
with open('word.txt', 'r') as f: words = f.read().split()

nl = [i for s in [[j,l[i+1]+l[i+2]]for i,j in enumerate(l) if '>' in j] for i in s]

counts = {}
for i in nl:
    if '>' in i:
        print i
        counts = {}
    else:
        counts = {w:i.count(w) for w in words}
        for k,v in counts.items(): print '{} {}'.format(k,v)

在上面的代码片段中：

• “ word.txt”包含GTCTT CCCGC AACGG （以空格分隔）和
• “ file.txt”带有帖子中描述的序列的行。

上面的代码给出了结果：

>1
AACGG 0
GTCTT 1
CCCGC 1
>2
AACGG 1
GTCTT 0
CCCGC 0