Tengo un archivo en filas como a continuación y me gustaría convertirlo a formato de dos columnas.Convertir filas en columnas
>00000_x1688514
TGCTTGGACTACATATGGTTGAGGGTTGTA
>00001_x238968
TGCTTGGACTACATATTGTTGAGGGTTGTA
...
salida deseada es
>00000_x1688514 TGCTTGGACTACATATGGTTGAGGGTTGTA
>00001_x238968 TGCTTGGACTACATATTGTTGAGGGTTGTA
...
Le agradecería cualquier ayuda. Gracias.
Un enfoque:
perl -i -pe 's/\n//unless m/^[ACGT]+$/' FILENAME
editar Esto a su lugar el archivo FILENAME, en sustitución de una nueva línea con un espacio en cada línea que no es una cadena de A de, C de, G y T.
Usando awk:
awk '{ printf "%s", $0 (substr($0, 1, 1) == ">" ? " " : ORS) }' infile
de salida:
>00000_x1688514 TGCTTGGACTACATATGGTTGAGGGTTGTA
>00001_x238968 TGCTTGGACTACATATTGTTGAGGGTTGTA
en Python:
fd = open('filepath')
cols = izip(fd, fd)
with open('output_filepath') as outfile:
for col in cols:
outfile.write('\t'.join(col).replace('\n', '') +'\n')
la salida deseada debe estar en output_filepath
Ese es un uso extremadamente inteligente de 'izip' (nunca hubiera pensado en" comprimir "un generador consigo mismo para dividirlo en trozos). – mgilson
@mgilson: Ojalá lo hubiera ideado yo mismo. Lo leí primero en otra publicación SO, que desafortunadamente no puedo encontrar cajero automático. Pero eso fue una sensación exacta cuando lo leí también. – inspectorG4dget
Simplemente un nit-pick: ''' .join (col) .replace ('\ n', '\ t')' es probablemente mejor como: ''\ t'.join (col) .replace (' \ n ',' ') '. Creo que es un poco más claro y no pega una pestaña extra al final de la línea. – mgilson
No sé si conoce los módulos de BioPerl para leer/escribir y otras funciones genéticas. Tu problema puede escribirse así.
#!/usr/bin/perl
use strict;
use warnings;
use Bio::SeqIO;
my $file = 'o33.txt';
my $in = Bio::SeqIO->new(-file => $file,
-format => 'fasta');
while (my $seq = $in->next_seq()) {
print $seq->id, "\t", $seq->seq, "\n";
}
__END__
00000_x1688514 TGCTTGGACTACATATGGTTGAGGGTTGTA
00001_x238968 TGCTTGGACTACATATTGTTGAGGGTTGTA
¡guau! gracias a todos. – Supertech
Otra opción Perl es establecer el delimitador de registro a '>', para leer en dos líneas a la vez, y luego sustituir el salto de línea para una pestaña:
use Modern::Perl;
local $/ = '>';
do { s/\n/\t/; print }
for <DATA>;
__DATA__
>00000_x1688514
TGCTTGGACTACATATGGTTGAGGGTTGTA
>00001_x238968
TGCTTGGACTACATATTGTTGAGGGTTGTA
Salida:
>00000_x1688514 TGCTTGGACTACATATGGTTGAGGGTTGTA
>00001_x238968 TGCTTGGACTACATATTGTTGAGGGTTGTA
Para un archivo:
use Modern::Perl;
use autodie;
open my $inFile, '<', 'inFile.txt';
open my $outFile, '>', 'outFile.txt';
local $/ = '>';
do { s/\n/\t/; print $outFile $_ }
for <$inFile>;
close $inFile;
close $outFile;
esperanza ¡esto ayuda!
En Rubí me gustaría usar algo como:
File.readlines('test.txt').map(&:strip).each_slice(2) do |row|
puts row.join(' ')
end
que da salida:
>00000_x1688514 TGCTTGGACTACATATGGTTGAGGGTTGTA
>00001_x238968 TGCTTGGACTACATATTGTTGAGGGTTGTA
Una solución más ordenado Python:
from itertools import izip
with open('test.txt') as inf, open('newtest.txt', 'w') as outf:
for head,body in izip(inf, inf):
outf.write(head.rstrip() + ' ' + body)
Suponiendo que la entrada es en cierto formato FASTA , puede usar awk y la función getline:
awk '/^>/ { printf "%s ", $0; getline; print }' file.txt
Salida:
>00000_x1688514 TGCTTGGACTACATATGGTTGAGGGTTGTA
>00001_x238968 TGCTTGGACTACATATTGTTGAGGGTTGTA
HTH
Cuál es el problema? Solo lea en el archivo y genere 1 línea por cada dos líneas. – Chip
¿Soy yo o el ejemplo de entrada == resultado deseado? –
@JonClements - Creo que los caracteres '>' están realmente en el archivo. En realidad, no marcan el comienzo de una línea. – mgilson