很抱歉,因为我可能在这里犯了很多错误,但我正在尝试使用文件(justgenes.txt)中的字符串列表搜索一个大型CSV文件,并返回包含justgenes列表中字符串的行
我一直在使用BASH,但我的代码占用了超过100GB的内存并崩溃:
grep -f justgenes.txt allDandHunique.csv > HPCgenesandbugs.csv
因此,我尝试用python来做,假设它会更有效,但我对它知之甚少
我使用这段代码(我从网上抓取的),但最后得到一个空文件:
data = open('allDandHunique.csv')
with open('justgenes.txt', "r+") as file1:
fileline1= file1.readlines()
for x in data: # <--- Loop through the list to check
for line in fileline1: # <--- Loop through each line
if x in line:
print(x)
justgenes文件如下所示:
1A0N_B
1A1A_A
1A4I_A
1A5Y_A
1ACO_A
1AGN_A
1AGS_A
1AJE_A
1AJJ_A
1AP0_A
1APQ_A
虽然csv看起来像这样:
"0403181A:PDB=1BP2,2BPP",
"0403181A:PDB=1BP2,2BPP",,,
"0706243A:PDB=1HOE,2AIT,3AIT,4AIT",
"0706243A:PDB=1HOE,2AIT,3AIT,4AIT",,,
"1309311A:PDB=1EMD,2CMD",
"1309311A:PDB=1EMD,2CMD",,,
"1513188A:PDB=1BBC,1POD",
"1513188A:PDB=1BBC,1POD",,,
0308206A,
0308206A,,,
0308221A,
0308221A,,,
0308230A,
0308230A,,,
任何帮助都将受到感激
我会用熊猫来完成这个任务
尝试以下方法:
如果在读取中的文件时得到的是一个空白文件,我会检查并确保路径正确
由于我没有这些文件,我无法自己测试它,但我认为这段代码可能会有所帮助
对于每个
x in data
,必须循环文件1中的所有行。如果我没有错,您需要为每次迭代打开您的文件,否则,当您到达EOF时,它将不返回任何内容相关问题 更多 >
编程相关推荐