Python：比较两个文件中的数字

Question

在与 python 中断太久之后，我又回到了 python，现在我正在努力做一个简单的任务，将文件 A 中的数字与文件 B 中的所有数字进行比较，循环文件 A 以执行每个数字每一行。编号是文件 A 在第 2 列中（由 \t 分割），并且要返回的这些数字必须大于 exonStart（文件 B 的第 4 列）并且小于 exonStop（文件 B 的第 5 列）。最终我想将这些行（附加到行的文件 A 的完整行是与该参数匹配的文件 B）写入一个新文件。

fileA (trimmed for relevant info and truncated):
    1       10678   12641
    1       14810   14929 
    1       14870   14969  

fileB (trimmed for relevant info and truncated):
    1       processed_transcript    exon    10000   12000  2
    1       processed_transcript    exon    10500   12000  2
    1       processed_transcript    exon    12613   12721  3     
    1       processed_transcript    exon    14821   14899  4

我的代码尝试更详细地解释代码。

f = open('fileA')
f2 =open('fileB')

for line in f:
    splitLine= line.split("\t")
    ReadStart= int(splitLine[1])
    print ReadStart
    for line2 in f2:
        splitLine2=line2.split("\t")
        ExonStart = int(splitLine2[3])
        ExonStop = int(splitLine2[4])
        if ReadStart < ExonStop and ReadStart > ExonStart:
            print ReadStart, ExonStart, ExonStop
        else:
            print "BOO"   
f.close()

我期望的是（来自我的代码）： 其中第一个 col 是文件 B 中的 ReadStart，接下来的两个来自文件 A

    10678   10000   12000
    10678   10500   12000
    14870   14821   14899

我的代码只会返回第一行。

Answer 1

也许问题就在这里：

splitLine2=line.split("\t")

如果你使用的是文件 2，那就是

splitLine2=line2.split("\t")

Answer 2

问题是你的文件指针。您在代码顶部打开文件 B，然后在处理文件 A 的第一行时一直遍历它。这意味着在外部循环的第一次迭代结束时，您的文件指针现在指向 文件B的结尾。在下一次迭代中，由于指针位于文件末尾，因此没有更多行可以从文件B读取，因此跳过了内部循环。

一种选择是在外循环结束时对文件 B 使用 seek 函数将文件指针重置到文件顶部：

f2.seek(0)

但是，我建议您改变方法，将文件 B 读入内存，这样您就不会一遍又一遍地读取文件：

# use context managers to open your files instead of file pointers for
# cleaner exception handling
with open('f2.txt') as f2:

    exon_points = []

    for line in f2:
        split_line = line.split() # notice that the split function will split on
                                  # whitespace by default, so "\t" is not necessary

        # append a tuple of the information we care about to the list
        exon_points.append(((int(split_line[3]), int(split_line[4]))))

with open('f1.txt') as f1:

    for line in f1:
        read_start = int(line.split()[1])  

        for exon_start, exon_stop in zip(exon_starts, exon_stops):

            if read_start < exon_stop and read_start > exon_start:
                print("{} {} {}".format(read_start, exon_start, exon_stop))

             else:
                 print("BOO")

输出：

10678 10000 12000
10678 10500 12000
嘘
嘘
嘘
嘘
嘘
14830 14821 14899
嘘
嘘
嘘
14870 14821 14899