Comment éliminer le dernier chiffre de chacune des lignes haut

Question

Séquence 1.1.1 ATGCGCGCGATAAGGCGCTA
ATATTATAGCGCGCGCGCGGATATATATATATATATATATT
Séquence 1.2.2 ATATGCGCGCGCGCGCGGCG
ACCCCGCGCGCGCGCGGCGCGATATATATATATATATATATT
Séquence 2.1.1 ATTCGCGCGAGTATAGCGGCG

maintenant, je souhaite supprimer le dernier chiffre de chacune des lignes commençant par '>'. Par exemple, dans cette première ligne, je voudrais supprimer '.1' (le plus à droite) et dans la deuxième instance je voudrais supprimer '.2', puis écrire le reste du fichier dans un nouveau fichier. Merci,

Answer 1

if line.startswith('>Sequence'): 
    line = line[:-2] # trim 2 characters from the end of the string 

ou s'il pourrait y avoir plus d'un chiffre après la période:

if line.startswith('>Sequence'): 
    dot_pos = line.rfind('.') # find position of rightmost period 
    line = line[:dot_pos] # truncate upto but not including the dot 

Modifier pour si la séquence se produit sur la même ligne que> Séquence

Si nous sachez qu'il n'y aura toujours qu'un seul chiffre à supprimer, nous pourrons découper la période et le chiffre avec:

line = line[:13] + line[15:] 

Ceci utilise une caractéristique de Python appelée tranches. Les index sont basés sur zéro et exclusifs pour la fin de la plage, donc line[0:13] nous donnera les 13 premiers caractères de line. Sauf que si nous voulons commencer au début, le 0 est optionnel donc line[:13] fait la même chose. De même line[15:] nous donne la sous-chaîne commençant au caractère 15 à la fin de la chaîne.

Answer 2

carte "".join(line.split('.')[:-1]) à chaque ligne du fichier.

Answer 3

import fileinput 
import re 

for line in fileinput.input(inplace=True, backup='.bak'): 
    line = line.rstrip() 
    if line.startswith('>'): 
    line = re.sub(r'\.\d$', '', line) 
    print line 

beaucoup de détails peuvent être modifiés en fonction des détails du traitement que vous voulez, que vous ne l'avez pas clairement communiqué, mais c'est l'idée générale.

Answer 4

import re 
trimmedtext = re.sub(r'(\d+\.\d+)\.\d', '$1', text) 

Devrait le faire. Un peu plus simple que de chercher des caractères de départ (et cela n'affectera pas vos chaînes d'ADN)

Answer 5

Voici un petit script. Exécutez-le comme: script [filename to clean]. Beaucoup de traitement des erreurs omis.

Il fonctionne en utilisant des générateurs, donc il devrait aussi bien fonctionner sur les gros fichiers.

import sys 
import os 

def clean_line(line): 
    if line.startswith(">"): 
     return line.rstrip()[:-2] 
    else: 
     return line.rstrip() 

def clean(input): 
    for line in input: 
     yield clean_line(line) 

if __name__ == "__main__": 
    filename = sys.argv[1] 

    print "Cleaning %s; output to %s.." % (filename, filename + ".clean") 

    input = None 
    output = None 
    try: 
     input = open(filename, "r") 
     output = open(filename + ".clean", "w") 
     for line in clean(input): 
      output.write(line + os.linesep) 
      print ": " + line 
    except: 
     input.close() 
     if output != None: 
      output.close() 

Answer 6

import re 

input_file = open('in') 
output_file = open('out', 'w') 

for line in input_file: 
    line = re.sub(r'(\d+[.]\d+)[.]\d+', r'\1', line) 
    output_file.write(line)