Python：读取文本文件并将文件拆分为列表变量，每个变量各有4行

Question

我有一个文本文件（fastq文件）。该文件的格式

1st line - ID

2nd Line - Sequence

3rd Line - something

4th Line - something else.

然后再次重复这4行。

例如：

1  @M9890393393

2 ATCTGTAAAA

3 +

4 FG%@ATAAAA

5  @M9890393394

6 ATGTCTATCC

7 +

8 AA%$$983089

我正在尝试做的是，分割此文件，以便可以按4行读取此文件。我可以制作一个列表，每个变量每个包含4行。在上面的示例中，我将列出带有2个变量的列表。

Answer 1

使用生成器，您可以定义一个惰性读取器，该读取器每次都会生成4个值的列表。您可以如下所述耗尽或延迟迭代生成器。import csvfrom io import StringIOmystr = StringIO("""1  @M98903933932 ATCTGTAAAA3 +4 FG%@ATAAAA5  @M98903933946 ATGTCTATCC7 +8 AA%$$983089""")def gen():    # replace mystr with open('file.csv', 'r')    with mystr as fin:        reader = csv.reader(fin, delimiter=' ',  skipinitialspace=True)        res = []        for line in reader:            res.append(line[1])            if len(res) == 4:                yield res                res = []用尽发电机：lines = list(gen())print(lines)[['@M9890393393', 'ATCTGTAAAA', '+', 'FG%@ATAAAA'], ['@M9890393394', 'ATGTCTATCC', '+', 'AA%$$983089']]迭代生成器：for line in gen():    print(line)['@M9890393393', 'ATCTGTAAAA', '+', 'FG%@ATAAAA']['@M9890393394', 'ATGTCTATCC', '+', 'AA%$$983089']

Answer 2

fastq格式易于解析，您可以在行的开头开始检查“ @”。那就是你的序列号。然后，您可以简单地追加接下来的3行，然后重新开始。如果质量得分行也以“ @”开头，则可能会出现一种“罕见”的问题情况。但是，即使这种情况也很容易发现，因为质量得分行始终位于“ +”行之后。

Answer 3

如果您只想将其分成4个，则可以使用：In []:with open('your_file') as f:    result = list(zip(*[map(str.strip, f)]*4))   # Assumes Py3+ use iter(map(...)) in Py2resultOut[]:[('@M9890393393', 'ATCTGTAAAA', '+', 'FG%@ATAAAA'), ('@M9890393394', 'ATGTCTATCC', '+', 'AA%$$983089')]为每个变量创建变量的想法通常没有多大意义，但dict如果第一行包含您要使用的ID，则可能有用：In []:with open('your_file') as f:    result = {head: tail for head, *tail in zip(*[map(str.strip, f)]*4)}resultOut[]:{'@M9890393393': ['ATCTGTAAAA', '+', 'FG%@ATAAAA'], '@M9890393394': ['ATGTCTATCC', '+', 'AA%$$983089']}抱歉，假设为示例添加了行号，而不是数据集的一部分。您可以将替换为zip()以下以删除数字（从@jpp的答案中借用）：from operator import itemgetterzip(*[map(itemgetter(1), csv.reader(f, delimiter=' ', skipinitialspace=True))]*4)