新手第一個(gè)帖子：轉(zhuǎn)換格式，求大神給個(gè)意見(jiàn)

小風(fēng)0000

求大家給個(gè)流程，怎么解決這個(gè)問(wèn)題？找了好久還是解決不了。
按本人的想法是，把dat2做成個(gè)矩陣，然后對(duì)dat1文件進(jìn)行迭代，每次按da2進(jìn)行替換。但是第一步就出現(xiàn)問(wèn)題：怎么讀入數(shù)據(jù)，轉(zhuǎn)換成矩陣？

dat1:
ind1        2202220
ind2        2222002
ind3        2222002
ind4        1221102
ind5        2222002
ind6        2212111
ind7        2202210
ind8        1221102
ind9        2222002
ind10        2222002

dat2:
SNPID_600K,Allele_0,Allele_1
snp1,A,C
snp2,A,G
snp3,A,G
snp4,T,C
snp5,T,C
snp6,T,C
snp7,A,G

dat1有10000行，2列，第2列有428896個(gè)數(shù)字。
dat2有428896行，3列。

現(xiàn)在要根據(jù)dat1第2列的數(shù)字轉(zhuǎn)換成字符，以dat1的第2列的第1個(gè)數(shù)字為例，數(shù)字2按dat2里的第3列轉(zhuǎn)換成C C。如果數(shù)字為1則按第2和第3列，轉(zhuǎn)換成A C。如果數(shù)字為0，則按第2列轉(zhuǎn)換成A A。
最后輸出的格式為:
ind1 C C G G A A C C C C C C A A
ind2 C C G G G G C C T T T T G G

Hadron74

一看你也是學(xué)生物信息的。

按我的理解，dat1的列應(yīng)該對(duì)應(yīng)dat2的行吧，所以你的輸出格式的例子有誤。
如果這樣，程序如下：

1. dat1 = """ind1        2202220
   
2. ind2        2222002
   
3. ind3        2222002
   
4. ind4        1221102
   
5. ind5        2222002
   
6. ind6        2212111
   
7. ind7        2202210
   
8. ind8        1221102
   
9. ind9        2222002
   
10. ind10        2222002"""
    
11. 
    
12. dat2 = """snp1,A,C
    
13. snp2,A,G
    
14. snp3,A,G
    
15. snp4,T,C
    
16. snp5,T,C
    
17. snp6,T,C
    
18. snp7,A,G"""
    
19. 
    
20. snps = []
    
21. for line in dat2.split("\n"):
    
22.     snp,a0,a2=line.rstrip().split(",")
    
23.     snps.append((a0,a2))
    
24. 
    
25. d1={}
    
26. import re
    
27. for line in dat1.split("\n"):
    
28.     ind,values =re.split("\s+",line.rstrip())
    
29.     bases = []
    
30.     for i, v in enumerate(values):
    
31.         s = snps[i]
    
32.         if v == "1":
    
33.             bases.append(s[0])
    
34.             bases.append(s[1])
    
35.         elif v == "2":
    
36.             bases.append(s[1])
    
37.             bases.append(s[1])
    
38.         elif v == "0":
    
39.             bases.append(s[0])
    
40.             bases.append(s[0])
    
41.         else:
    
42.             raise ValueError("Not valid number: " + v)
    
43. 
    
44.     d1[ind]=bases
    
45. 
    
46. print "ind1"," ".join(d1["ind1"])
    
47. print "ind2"," ".join(d1["ind2"])
    

復(fù)制代碼

1. ind1 C C G G A A C C C C C C A A
   
2. ind2 C C G G G G C C T T T T G G

復(fù)制代碼

錯(cuò)別字太多了，看著費(fèi)勁。

mswsg

我也是生物信息的，這個(gè)轉(zhuǎn)換竟然看不懂呢

Hadron74

回復(fù) 3# mswsg

應(yīng)該是把a(bǔ)lleles 的結(jié)果轉(zhuǎn)換成類似plink的ped格式輸入的數(shù)據(jù)轉(zhuǎn)換。
   

mswsg

二樓對(duì)的就好回復(fù) 4# Hadron74


   

小風(fēng)0000

回復(fù) 2# Hadron74

謝謝，確實(shí)輸出格式給錯(cuò)了，已經(jīng)修改過(guò)來(lái)了。謝謝您的幫忙，我仔細(xì)看了您的代碼。解決問(wèn)題了！

beacon1024

回復(fù) 5# mswsg


   現(xiàn)在搞生物的寫代碼都這么牛了�。�
66666666666666666666666666

mswsg

逼著自己學(xué)的，除非是那種后來(lái)轉(zhuǎn)生物的，本來(lái)學(xué)生物的，后來(lái)學(xué)coding的，都比較苦逼，相對(duì)來(lái)說(shuō)python簡(jiǎn)單一點(diǎn)回復(fù) 7# beacon1024


   

小風(fēng)0000

回復(fù) 8# mswsg


是的，自學(xué)很痛苦啊。大神，剛開(kāi)始學(xué)，還有個(gè)問(wèn)題請(qǐng)教下：http://www.72891.cn/thread-4244293-1-1.html