python中不确定字符串与已知字符串的比较

Question

我接收的tsv文件通常采用以下两种格式之一：

# format 1
sample    100    200    1
sample    200    300    2
sample    300    400    3
sample    400    500    X

或者

# format 2
sample    100    200    chr1
sample    200    300    chr2
sample    300    400    chr3
sample    400    500    chrX

有时我需要文件是第一种格式，有时我需要它是第二种格式。在运行python代码之前，我知道需要使用哪种格式，因此我一直在接收他们的csv文件，如果我有一个格式为1的文件，并且需要格式为2的文件，我会运行以下awk脚本：

awk '{print $1, $2, $3, "chr"$4}' tester.csv

它将格式1输出为类似于格式2的格式，并由python代码解释为文本文件，没有问题。我可以用sed做同样的事情：

sed 's/chr//' testerchr.txt

输出的格式2与格式1类似。然后运行python代码，比较如下：

testchr = [(1, 'ACGTGCTAGCTG'), (2, 'ACGATGCTAGCT'), (3, 'GCTCGT')]
regions = pd.read_csv('./tester.csv', sep='\t', names=['Sample', 'pos1', 'pos2', 'Chr'])

for x,y in testchr: # [(1, ACGTGCTAGCTGA), (2, ACGATGCTAGCT), (3, GCTCGT)]
    chrm = str(x)
    for u,v,a,b in zip(regions.Sample, regions.pos1, regions.pos2, regions.Chr):
        if str(b) == chrm:
            #process data

所以通常我有一个元组列表

如果我预处理数据（在python代码之前使用awk或sed命令），我就不会有任何问题。我只是想知道是否有人能提出一种方法，让我不必对数据进行预处理。基本上，我的python代码可以以任何一种格式接收数据并正常运行，而不必对输入进行任何修改，也不必事先让程序知道输入文件是哪种格式的。你知道吗

谢谢你， 丹尼斯

Answer 1

可以将其设为函数，并为格式1和格式2设置一个值。例如，如果val==something，则将“Char”列更改为格式1，否则将其更改为格式2：

def myFuction(df, val):
    if val == 1:
        df['Chr'] = df['Chr'].str[3:] # strip first 3 characters
        # do stuff with format 1
    else:
        df['Chr'] = 'chr'+df['Chr'] # add 'chr' in front
        # do stuff with format 2

format_val = input('Format Value: ')
myFunction(df, int(format_val))