将列表添加到Excel列
我有两个文件：
- 1文件是包含序列名称及其序列的fasta文件。
- 另一个文件是一个excel文件，它有一个序列名称的“Hcolumn”和一个空的列，它的下一个是头部'Hsequence'和一个'Kcolumn'的序列名称和一个空的列旁边的头部'Ksequence ”。
我想循环两个文件，如果fasta文件中的序列名称也在'Hcolumn'或'Kcolumn'中，那么将序列添加到excel文件中相应的序列列，这是'Hsequence'或“Ksequence”专栏。 我的想法是获取vh值的位置，并将其seq值添加到右侧单元格（下一行）。
用例子更新
fasta文件（忽略>符号）：
headerA AAAGGCCT headerB ATCCTTTG headerC GGGGTCCCAAT Excel表格
Hcolumn Hsequence Kcolumn Ksequence headerA headerB headerC headerE headerD headerF
期望的结果：
Hcolumn Hsequence Kcolumn Ksequence headerA AAAGGCCT headerB ATCCTTTG headerC GGGGTCCCAAT headerE headerD headerF
我的新代码：（我下面的代码只处理一列，我不知道如何说，如果它是在列A或列B）
for line in f: seq = f.readline() for vh in data["Hcolumn"]: vh = vh.rstrip() if (title in vh): #print(">"+title, seq) data["HSequence"]=data["Hcolumn"].apply(lambda vh: seq) else: data["HSequence"]=data["Hcolumn"].apply(lambda vh: '') break return data.to_csv('Fullseqfile.txt', sep='\t')
序列列返回null，有人可以帮助谢谢
In [1]: import pandas as pd In [2]: !cat data/question1/file.fasta headerA AAAGGCCT headerB ATCCTTTG headerC GGGGTCCCAAT In [3]: xls=pd.read_excel('file.xls') In [4]: xls Out[4]: Hcolumn Hsequence Kcolumn Ksequence 0 headerA NaN headerB NaN 1 headerC NaN headerE NaN 2 headerD NaN headerF NaN In [5]: fh = open('file.fasta') ...: fasta_dic={} ...: for line in fh: ...: if line.startswith('h'): ...: seq_header = line.strip('\n') ...: fasta_dic[seq_header] = '' ...: else: ...: fasta_dic[seq_header] = line.strip('\n') ...: In [6]: def fill_seq(x): ...: if x in fasta_dic.keys(): ...: return fasta_dic[x] ...: else: ...: return '' ...: In [7]: xls['Hsequence'] = xls['Hcolumn'].apply(fill_seq) ...: xls['Ksequence'] = xls['Kcolumn'].apply(fill_seq) ...: In [8]: xls Out[8]: Hcolumn Hsequence Kcolumn Ksequence 0 headerA AAAGGCCT headerB ATCCTTTG 1 headerC GGGGTCCCAAT headerE 2 headerD headerF
-
构build一个字典
fasta_dic，序列名称为key，序列为value。 -
函数
fill_seq检查inputx是否在你之前定义的字典中，如果它发现它将返回序列的值。 -
使用H / K序列的值作为input，将函数
fill_seq应用于H / K序列列。
在此之后，您可以继续使用您的dataframe或将其导出到xls文件。
这是一个快速的尝试给你一些想法…
FASTA = [ 'headerA', 'AAAGGCCT', 'headerB', 'ATCCTTTG', 'headerC', 'GGGGTCCCAAT', ] EXCEL = { 'Hcolumn': ['headerA', 'headerC', 'headerD'], 'Hsequence': {}, 'Kcolumn': ['headerB', 'headerE', 'headerF'], 'Ksequence': {}, } for index in range(0, len(FASTA), 2): value = FASTA[index] column = EXCEL['Hcolumn'] # print index, value, column if value in EXCEL['Hcolumn']: position = column.index(value) EXCEL['Hsequence'][position] = FASTA[index+1] for item in EXCEL.iteritems(): print item ======================== ('Hcolumn', ['headerA', 'headerC', 'headerD']) ('Kcolumn', ['headerB', 'headerE', 'headerF']) ('Hsequence', {0: 'AAAGGCCT', 1: 'GGGGTCCCAAT'}) ('Ksequence', {})