XLRD/Entrez：搜索 Pubmed 并提取计数

Question

我正在开展一个项目，该项目要求我使用来自 Excel 电子表格的输入搜索 pubmed 并打印结果计数。我一直在使用xlrd 和entrez 来完成这项工作。这是我尝试过的。

1. 我需要使用作者姓名、他/她的医学院、年龄范围和他/她的导师姓名搜索pubmed，这些都在Excel 电子表格中。我使用xlrd 将包含所需信息的每一列转换为字符串列表。

   from xlrd import open_workbook
   book = xlrd.open_workbook("HEENT.xlsx").sheet_by_index(0)
   med_name = []
   for row in sheet.col(2):
       med_name.append(row)
   med_school = []
   for row in sheet.col(3):
       med_school.append(row)
   mentor = []
   for row in sheet.col(9):
       mentor.append(row)
   

2. 我已经设法使用 Entrez 打印了我的特定查询的计数。

   from Bio import Entrez
   Entrez.email = "your@email.edu"
   handle = Entrez.egquery(term="Jennifer Runch AND ((2012[Date - Publication] : 2017[Date - Publication])) ")
   handle_1 = Entrez.egquery(term = "Jennifer Runch AND ((2012[Date - Publication] : 2017[Date - Publication])) AND Leoard P. Byk")
   handle_2 = Entrez.egquery(term = "Jennifer Runch AND ((2012[Date - Publication] : 2017[Date - Publication])) AND Southern Illinois University School of Medicine")
   record = Entrez.read(handle)
   record_1 = Entrez.read(handle_1)
   record_2 = Entrez.read(handle_2)
   pubmed_count = []
   for row in record["eGQueryResult"]:
       if row["DbName"] == "pubmed":
           pubmed_count.append(row["Count"])
   
   for row in record_1["eGQueryResult"]:
       if row["DbName"] == "pubmed":
            pubmed_count.append(row["Count"])
   
   for row in record_2["eGQueryResult"]:
        if row["DbName"] == "pubmed":
            pubmed_count.append(row["Count"])
   print(pubmed_count)   
   >>>['3', '0', '0']
   

   问题是我需要将学生姓名（“Jennifer Runch”）替换为学生姓名列表中的下一个学生姓名（“med_name”），将医学院替换为下一个学校，以及当前导师的姓名列表中的下一位导师的姓名。

我认为我应该在将我的电子邮件声明给pubmed 后编写一个 for 循环，但我不确定如何将这两个代码块链接在一起。有谁知道连接两个代码块的有效方法，或者知道如何以比我尝试过的更有效的方式来做到这一点？ 谢谢！

Answer 1

您已准备好大部分代码。只需稍作修改即可。

假设您的表格如下所示：

Jennifer Bunch  |Southern Illinois University School of Medicine|Leonard P. Rybak
Philipp Robinson|Stanford University School of Medicine         |Roger Kornberg

你可以使用下面的代码

import xlrd
from Bio import Entrez
sheet = xlrd.open_workbook("HEENT.xlsx").sheet_by_index(0)

med_name = list()
med_school = list()
mentor = list()
search_terms = list()
for row in range(0, sheet.nrows):
    search_terms.append([sheet.cell_value(row, 0), sheet.cell_value(row,1), sheet.cell_value(row, 2)])

pubmed_counts = list()

for search_term in search_terms:
    handle = Entrez.egquery(term="{0} AND ((2012[Date - Publication] : 2017[Date - Publication])) ".format(search_term[0]))
    handle_1 = Entrez.egquery(term = "{0} AND ((2012[Date - Publication] : 2017[Date - Publication])) AND {1}".format(search_term[0], search_term[2]))
    handle_2 = Entrez.egquery(term = "{0} AND ((2012[Date - Publication] : 2017[Date - Publication])) AND {1}".format(search_term[0], search_term[1]))
    record = Entrez.read(handle)
    record_1 = Entrez.read(handle_1)
    record_2 = Entrez.read(handle_2)

    pubmed_count = ['', '', '']

    for row in record["eGQueryResult"]:
        if row["DbName"] == "pubmed":
            pubmed_count[0] = row["Count"]
    for row in record_1["eGQueryResult"]:
        if row["DbName"] == "pubmed":
            pubmed_count[1] = row["Count"]
    for row in record_2["eGQueryResult"]:
        if row["DbName"] == "pubmed":
            pubmed_count[2] = row["Count"]

    print(pubmed_count)
    pubmed_counts.append(pubmed_count)

输出

---

['3', '0', '0']
['1', '0', '0']

所需的修改是使用format 使查询变量。

其他一些不必要但可能有用的修改：

• 只在Excel工作表上循环一次
• 将pubmed_count 存储在预定义列表中，因为如果返回的值为空，则输出的大小会有所不同，因此很难猜测哪个值属于哪个查询
• 一切都可以进一步优化和美化，例如将查询存储在一个列表中并循环遍历它们，这将减少代码重复，但现在它完成了这项工作。