Discussion :

[Jasmine80]

Bonjour à tous,

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
	# hash Characteristics[StdInChIKey]
	# hash de hash, key1 : $Compound and key2 : corresponding $StdInChIKey  (we have to find only one k2 per k1)
	my %comp_tab;
	for my $i (1..$#tab){
		my $Compound = $tab[$i][$Compound_index];
		my $StdInChIKey = $tab[$i][$StdInChIKey_index];
 
		next if (($Compound eq '') or ($StdInChIKey eq ''));
		$Compound = lc($Compound);
		$comp_tab{$Compound}{$StdInChIKey}++;
	}
 
	# check if we have only one K2 : $StdInChIKey per K1 : $Compound
	foreach my $Compound (keys %comp_tab){
		my $StdInChIKey_num = (keys %{$comp_tab{$Compound}});
		if ($StdInChIKey_num > 1){
			print "ERROR : $rep\t$Compound\n";
		}
	}

J'ai 2 colonnes dans un tableau, $Compound et $StdInChIKey, contenant chacune le même nombres de valeurs.
Je veux vérifier que pour chaque valeur de Compound, j'ai un StdInChIKey unique.
Je place donc Compound en première clé du hash, StdInChIKey en seconde clé dans un hash imbriqué.
Je vérifie ensuite, que pour chaque clé Compound, une seule entrée existe dans StdInChIKey.

Cela fonctionne très bien, mais je me demandais comment aurais-je pu faire plus simple.
N'hésiter pas à me poser des question si cela n'est pas clair.

D'avance merci pour votre aide.

[Lolo78]

Bonjour Jasmine,

cela me paraît être une bonne manière de faire.

Toutefois, il serait peut-être possible de simplifier en utilisant un hash simple dont les clés serait des concaténations de $Compound et $StdInChIKey (avec de préférence un séparateur qui ne risque pas de se trouver dans le contenu de ces deux variables, j'ai mis ci-dessous un point-virgule, modifie en fonction de tes données). Quelque chose comme cela (non testé, pas de données):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
 
	my %comp_tab;
	for my $i (1..$#tab){     # es-tu sûre que ça ne commence pas à 0?
		my $Compound = $tab[$i][$Compound_index];
		my $StdInChIKey = $tab[$i][$StdInChIKey_index];
 
		next if (($Compound eq '') or ($StdInChIKey eq ''));
		$Compound = lc $Compound;
		$comp_tab{"$Compound;$StdInChIKey"}++;
	}
 
	# check if we have only one K2 : $StdInChIKey per K1 : $Compound
	print "ERROR : $rep\t$_\n" for map {my $c = (split /;/)[0]; $c} grep {$comp_tab{$_} > 1;} keys %comp_tab;

[Jasmine80]

Bonjour Lolo,

Je te remercie pour ton intervention.

Par exemple, dans ces 3 $Compound;$StdInChIKey, je veux afficher l'erreur que Chlorobenzene possède 2 StdInChIKey différentes, ce qui est incorrect

exeemple de clés :
---------------------------
Chlorobenzene;MVPPADPHJFYWMZ-UHFFFAOYSA-N
Chlorobenzene;GVPFVAHMJGGAJG-UHFFFAOYSA-L
Diethyl maleate;IEPRKVQEAMIZSS-WAYWQWQTSA-N

J'aurai donc 2 clés différentes : Chlorobenzene;MVPPADPHJFYWMZ-UHFFFAOYSA-N et Chlorobenzene;GVPFVAHMJGGAJG-UHFFFAOYSA-L
=> chacune avec $comp_tab{$_} == 1 ... si j'ai bien compris ton code, je ne pense pas que cela fera ce que je veux, car elles ne seront pas détectées en tant qu'erreur car elles sont toutes 2 des clés uniques

Merci et bon week-end,

[Lolo78]

Hum,

je n'ai donc pas tout compris à ton problème, mais je continue à penser que c'est probablement la solution.

[Lolo78]

Bonjour Jasmine,

je relis attentivement ce que tu cherches à faire, et, si j'ai finalement bien compris à la lumière de ton dernier message, clairement, ce que j'avais proposé n'est pas la solution.

Je continue à penser, cependant, que le hash de hash, bien que ce soit une solution possible, n'est pas la solution la plus simple et n'est pas indispensable, et qu'un simple hash est sans doute suffisant: dès que tu vois une clef et une valeur, tu la mets dans un hash, dès que tu revois la même clef, tu imprimes un message d'erreur si la valeur est différente, tout cela en une seule passe. Un truc dans ce genre (toujours pas testé, faute de données de test significatives):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
 
	my %comp_tab;
	for my $i (1..$#tab){     # es-tu sûre que ça ne commence pas à 0?
		my $Compound = $tab[$i][$Compound_index];
		my $StdInChIKey = $tab[$i][$StdInChIKey_index];
		next if (($Compound eq '') or ($StdInChIKey eq ''));
		$Compound = lc $Compound;
		if (exists $comp_tab{$Compound}) {
			print "ERROR : $rep\t$Compound\n" if  $comp_tab{$Compound} ne $StdInChIKey;   #  je suppose que ce n'est pas une erreur si on trouve deux fois la même valeur
		} else {
			$comp_tab{$Compound} = $StdInChIKey;
		} 
	}

[Philou67430]

Pour ce genre de besoin, j'utilise à la place un hash de array.
Il est facile alors de trouver les clés pour lesquelles il y a plusieurs valeurs. Et lorsque la consommation mémoire devient critique (sur de très gros échantillon), j'utilise un hash de (scalaire ou array : scalaire pour le premier éléments, que je transforme en array si un nouvel élément devait être ajouté).
Et quand la consommation mémoire devient vitale, j'utilise un hash de scalaire (clés de 2e ordre concaténées avec join "\x0" par exemple).

Exemple hash de array :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
 
my %std_in_chi_key;
while (defined(my $compound = <$COMPOUND>)) {
  chomp($compound);
  chomp(my $std_in_chi_key = <$STDINCHIKEY>);
  push @{$std_in_chi_key{$compound}}, $std_in_chi_key;
}
 
warn "The following Compound have several StdInChiKeys :", join ", ", grep @{$std_in_chi_key{$_}}>1, keys %std_in_chi_key;

(attention, j'ai testé ce code très rapidement).

Si tu es intéressé par les deux autres approches, je peux développer.

[Jasmine80]

Bonjour Lolo,

Bonjour Jasmine,

je relis attentivement ce que tu cherches à faire, et, si j'ai finalement bien compris à la lumière de ton dernier message, clairement, ce que j'avais proposé n'est pas la solution.

Je continue à penser, cependant, que le hash de hash, bien que ce soit une solution possible, n'est pas la solution la plus simple et n'est pas indispensable, et qu'un simple hash est sans doute suffisant: dès que tu vois une clef et une valeur, tu la mets dans un hash, dès que tu revois la même clef, tu imprimes un message d'erreur si la valeur est différente, tout cela en une seule passe. Un truc dans ce genre (toujours pas testé, faute de données de test significatives):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
 
	my %comp_tab;
	for my $i (1..$#tab){     # es-tu sûre que ça ne commence pas à 0?
		my $Compound = $tab[$i][$Compound_index];
		my $StdInChIKey = $tab[$i][$StdInChIKey_index];
		next if (($Compound eq '') or ($StdInChIKey eq ''));
		$Compound = lc $Compound;
		if (exists $comp_tab{$Compound}) {
			print "ERROR : $rep\t$Compound\n" if  $comp_tab{$Compound} ne $StdInChIKey;   #  je suppose que ce n'est pas une erreur si on trouve deux fois la même valeur
		} else {
			$comp_tab{$Compound} = $StdInChIKey;
		} 
	}

Oui, cela commence bien à 1 car 0 est la première ligne du fichier, les en-tête de colonne que je veux passer (mais dont j'ai eu besoin antérieurement)
Cette idée effectue ce que je veux.


Merci.