[英]Convert rows into columns
我有一個如下所示的行文件,並希望轉換為兩列格式。
>00000_x1688514
TGCTTGGACTACATATGGTTGAGGGTTGTA
>00001_x238968
TGCTTGGACTACATATTGTTGAGGGTTGTA
...
期望的輸出是
>00000_x1688514 TGCTTGGACTACATATGGTTGAGGGTTGTA
>00001_x238968 TGCTTGGACTACATATTGTTGAGGGTTGTA
...
我將不勝感激任何幫助。 謝謝。
我不知道您是否了解BioPerl模塊的讀/寫和其他遺傳功能。 你的問題可以像這樣寫。
#!/usr/bin/perl
use strict;
use warnings;
use Bio::SeqIO;
my $file = 'o33.txt';
my $in = Bio::SeqIO->new( -file => $file,
-format => 'fasta');
while ( my $seq = $in->next_seq() ) {
print $seq->id, "\t", $seq->seq, "\n";
}
__END__
00000_x1688514 TGCTTGGACTACATATGGTTGAGGGTTGTA
00001_x238968 TGCTTGGACTACATATTGTTGAGGGTTGTA
在python中:
fd = open('filepath')
cols = izip(fd, fd)
with open('output_filepath') as outfile:
for col in cols:
outfile.write('\t'.join(col).replace('\n', '') +'\n')
所需的輸出應該在output_filepath
另一個Perl選項是將記錄分隔符設置為“>”,一次讀取兩行,然后用換行符替換選項卡:
use Modern::Perl;
local $/ = '>';
do { s/\n/\t/; print }
for <DATA>;
__DATA__
>00000_x1688514
TGCTTGGACTACATATGGTTGAGGGTTGTA
>00001_x238968
TGCTTGGACTACATATTGTTGAGGGTTGTA
輸出:
>00000_x1688514 TGCTTGGACTACATATGGTTGAGGGTTGTA
>00001_x238968 TGCTTGGACTACATATTGTTGAGGGTTGTA
對於文件:
use Modern::Perl;
use autodie;
open my $inFile, '<', 'inFile.txt';
open my $outFile, '>', 'outFile.txt';
local $/ = '>';
do { s/\n/\t/; print $outFile $_ }
for <$inFile>;
close $inFile;
close $outFile;
希望這可以幫助!
一種方法:
perl -i -pe 's/\n/ / unless m/^[ACGT]+$/' FILENAME
這將就地編輯文件FILENAME
,用不是A,C,G和T字符串的每一行中的空格替換換行符。
使用awk
:
awk '{ printf "%s", $0 (substr( $0, 1, 1 ) == ">" ? " " : ORS) }' infile
輸出:
>00000_x1688514 TGCTTGGACTACATATGGTTGAGGGTTGTA
>00001_x238968 TGCTTGGACTACATATTGTTGAGGGTTGTA
在Ruby中我會使用類似的東西:
File.readlines('test.txt').map(&:strip).each_slice(2) do |row|
puts row.join(' ')
end
哪個輸出:
>00000_x1688514 TGCTTGGACTACATATGGTTGAGGGTTGTA
>00001_x238968 TGCTTGGACTACATATTGTTGAGGGTTGTA
更整潔的Python解決方案:
from itertools import izip
with open('test.txt') as inf, open('newtest.txt', 'w') as outf:
for head,body in izip(inf, inf):
outf.write(head.rstrip() + ' ' + body)
假設輸入是真正的FASTA
格式,您可以使用awk
和getline
函數:
awk '/^>/ { printf "%s ", $0; getline; print }' file.txt
輸出:
>00000_x1688514 TGCTTGGACTACATATGGTTGAGGGTTGTA
>00001_x238968 TGCTTGGACTACATATTGTTGAGGGTTGTA
HTH
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.