[débutant] parser une chaine

Version imprimable

21/02/2011, 10h02
shadow19c

[débutant] parser une chaine

Bonjour,
je suis nouveau en python et je dois faire de la bioinfo en meme temps la galere:
voila mon souci d`aujourdhui est le suivant :
j`ai une chaine
['528365..528435,528774..528938,529294..529389,529779..530001,530348..530487,530870..530990\n']

et je veux en faire une sous chaine telle que: ['528365..528435'][`,`][528774..528938] ainsi de suite et je voudrai enlever le \n a la fin

jai fait ceci coo=line.split(',')
mais j`aarive pas a lui dire de garder les virgules et denlever le retour a la ligne pouvez vous m`aider svp

J`ai oublie est ce qu`il y a des bioinformaticiens sur python car j`ai vu qu`en perl

merci

Que penses-tu de ça :

Code:

1
2
3
4
5
6
7
>>> s = '1,2,3,4,5,6\n'
>>> s2 = s.strip().split(',')
>>> s2
['1', '2', '3', '4', '5', '6']
>>> s3 = sum( map( list,zip( s2,','*len( s2 ))),[])[:-1]
>>> s3
['1', ',', '2', ',', '3', ',', '4', ',', '5', ',', '6']

--
Captain'Flam

J'ai essaye ca marche pas voila mom code initial:
Code:

1 2 3 4 5 6 7 8 with open('coco_cds.txt') as fichier: for line in fichier: ch= line.split('\t')[1:2] if ch in lsite: brin=line.split('\t')[3:4] if '+'in brin: print "ok" coo=line.split('\t')[7:8]
quand je fais print coo j'obtiens ca ['1412897..1412909,1413103..1413155,1413409..1413531,1413634..1413748,1414228..1414427,1414721..1414891,1415181..1415381,1415548..1415679\n']

je veux a partir de ca avoir une sous chaine contenant [`'1412897..1412909',','...]
en fait couper tous le monde meme les virgules

Merci

Hello,

Je ne comprend pas que quand tu print ta chaîne elle soit entre crochets. Ou alors c'est toi qui les a ajoutés.

Partons du principe que ce soit une chaîne,
Code:

1 2 3 4 5 6 7 8 9 10 11 12 # -*- coding: utf-8 -*- ch = '528365..528435,528774..528938,529294..529389,529779..530001,530348..530487,530870..530990\n' ch = ch[:-2] # suppression de '\n' result = [] for i in ch.split(','): result.append([i]) result.append([',']) print result
resultat:

Citation:

[['528365..528435'], [','], ['528774..528938'], [','], ['529294..529389'], [','], ['529779..530001'], [','], ['530348..530487'], [','], ['530870..53099'], [',']]

C'est ça que tu veux?

edit: Je suppose que tune veux pas la virgule finale, alors result = result[:-1]

21/02/2011, 11h19
shadow19c

oui c'est bon merci
21/02/2011, 11h26
kango
Citation:
Envoyé par VinsS

Code:

1 2 ch = ch[:-1] # suppression de '\n'
attention, juste un caractère à enlever pour \n. D'ailleurs on voit que tu as mangé le '0' à la fin de ton test :)
21/02/2011, 11h53
VinsS

Citation:

Envoyé par kango

attention, juste un caractère à enlever pour \n. D'ailleurs on voit que tu as mangé le '0' à la fin de ton test :)

Bien vu, en fait je pensais que ce n'était vrai que lors d'une lecture de fichier et pas lorsque la chaîne est donnée dans le code.

Je m'impose un gage. (aller chercher moi-même ma bière dans le frigo).
21/02/2011, 12h40
kango

Citation:

Envoyé par VinsS

aller chercher moi-même ma bière dans le frigo.

c'est une pénitence tout à fait appropriée.

Voila j'ai un autre souci je ne sais pas de quelle forme je dois partir je m'explique des le debut

je pars d,un fichier au debut:
Code:

1 2 3 4 5 6 7 8 C169v2-04488 Aster-06787 187 262 561 636 C169v2-04487 Aster-06725 92 235 216 357 C169v2-04480 Aster-06724 371 431 4 64 C169v2-04481 Aster-06792 2 447 41 488 C169v2-03069 Aster-04749 21 283 2 265 C169v2-03068 Aster-01309 8 222 41 248 C169v2-03061 Aster-06908 100 396 399 708
je recupere les noms dans la premiere colonne en faisant:
Code:

1 2 3 4 5 with open('essai1.txt') as fic: for ligne in fic: chaine = ligne.split('\t')[:1] lsite.append(chaine)
par la suite je vais regarder dans un autre fichier
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 # Colonne 1: scaffold # 2: gene id # 3: start # 4: dir # 5: origine gene model # 6: proteinId # 7: ex-nom # 8: coordonnees genomiques # 9: structure intron/exon # 10: segments du CDS couvert par EST C169-scaffold_1 C169v2-00001 3777 - ORIGINAL JGI 55057 Genemark1.1_g 3777..3857,4046..4192,4443..4561,4940..5234,5406..5540,5734..5847,6009..6098,6421..6492 C169-scaffold_1 C169v2-00002 12682 - ORIGINAL JGI 55058 Genemark1.2_g 12682..12691,13195..13445,13694..13711 C169-scaffold_1 C169v2-00003 18095 + ORIGINAL JGI 31905 fgenesh1_kg.1_#_1_#_4092_1_CBOZ_CBPA 18095..18097,18280..18410,18690..18972 C169-scaffold_1 C169v2-00004 20452 + ORIGINAL JGI 6968 gw1.1.615.1 20452..20496,20636..20726,20881..21046,21194..21382,21567..21735 C169-scaffold_1 C169v2-00005 21893 - ORIGINAL JGI 34662 fgenesh1_pm.1_#_3 21893..22051,22201..22293,22590..22747,22864..23102,23192..23364 C169-scaffold_8 C169v2-04488 528365 + ORIGINAL JGI 63423 Genemark1.4206_g 528365..528435,528774..528938,529294..529389,529779..530001,530348..530487,530870..530990 C169-scaffold_8 C169v2-04487 523752 + ORIGINAL JGI 42018 fgenesh1_pg.8_#_66 523752..523949,524383..524517,524819..524948,525371..525456,525763..525830,526605..526740,527270..527305 C169-scaffold_5 C169v2-03069 1412897 + ORIGINAL JGI 41001 fgenesh1_pg.5_#_204 1412897..1412909,1413103..1413155,1413409..1413531,1413634..1413748,1414228..1414427,1414721..1414891,1415181..1415381,1415548..1415679
et je regarde si je retouve bien les memes CV-**** ensuite je regarde le brin si cest +

je fais
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 ith open('coco_cds.txt') as fichier: for line in fichier: ch= line.split('\t')[1:2] if ch in lsite: brin=line.split('\t')[3:4] if '+'in brin: print "ok" cv=line.split('\t')[1:2] #print cv cv="".join(cv) coo=line.strip('\t') coo=coo.strip('\n') liste=coo.split('\t')[7:8] seq="".join(liste) seq=seq.replace(',','..,..') #result=seq.split('..') #result1=seq="".join(result) d[cv]=seq
le souci que j'ai je dois vioir si je retrouve le bon numero CV-*** je regarde si cest + je dois recuperer les coordonnes qui sont sous la forme 528365..528435,528774..528938,529294..529389,529779..530001,530348..530487,530870..530990 et je dois faire une soustraction entre 528435 et 528365 mais je ne sais pas car je membrouille a mettre dans un dico pour avoir cle valeur cest a dire nom et coordonnes ou bien je dois tout faire dans le for

merci

bon jai reussi a faire ceci
Code:

1 2 3 4 5 6 7 for valeur in d.values(): valeur=valeur.replace(',','..,..') result=valeur.split('..')# print result nombre1=int(result[0]) nombre2=int(result[1]) prot=[1]
ce que je veux fqire pour chaque result faire une soustraction entre les result
par exemple

Code:

['1412897', '1412909', ',', '1413103', '1413155', ',', '1413409', '1413531', ',', '1413634', '1413748', ',', '1414228', '1414427', ',', '1414721', '1414891', ',', '1415181', '1415381', ',', '1415548', '1415679']

exemple 1412909-1412897 et remettre la virgule ensuite 1413155 -1413103

en sachant que je dois metttre dans une liste prot en partant que la premiere valeur prot[0]=1 et dire que '1412897' cest la premiere valeur ensuite ca fait 1..(1412909-1412897),1413155 -1413103 ainsi de suite

D'abord pour simplifier ton code que j'ai dut relire plusieurs fois:
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 with open('coco_cds.txt') as fichier: d = {} for line in fichier.readlines: ch = line.split('\t') if ch[0] in lsite and if ch[2] == "+": cv = ch[1] liste = ch[7][:-1] seq = list.replace(',','..,..') d[cv] = seq for key in d.keys(): print key, "\t", d[key]
ch[1:2] = ch[1]

Maintenant que tu as ton dictionnaire, pour la soustraction d'un nombre avec son précédent tu devrais pouvoir t'en sortir.

Comme ce sont des chaînes et non pas des nombres, tu devras faire quelque chose dans le genre:
Code:

1 2 z = eval(y) - eval(x)

Je narrive pas a faire marcher ton script car il necrit rien dans le dico ,
cest pas grave je veux porusuivre ce que j'ai fait
Code:

1 2 3 4 5 6 7 8 9 10 for valeur in d.values(): valeur=valeur.replace(',','..,..') result=valeur.split('..') prot=1 #print result nombre1=int(result[0]) nombre2=int(result[1]) ok=str(nombre2-nombre1) print ok
voila j'ai pu faire le calcul pour chaque result[0] et result[1]
mais la je veux le faire en boucle pour chaue valeur restante mais je ne sais pas comment le faire car je m'elange entre les differentes parties

en effet j'ai trois listes:
Code:

1 2 3 4 5 6 7 8 9 ['1412897', '1412909', ',', '1413103', '1413155', ',', '1413409', '1413531', ',' , '1413634', '1413748', ',', '1414228', '1414427', ',', '1414721', '1414891', ', ', '1415181', '1415381', ',', '1415548', '1415679'] ['523752', '523949', ',', '524383', '524517', ',', '524819', '524948', ',', '525 371', '525456', ',', '525763', '525830', ',', '526605', '526740', ',', '527270', '527305'] ['528365', '528435', ',', '528774', '528938', ',', '529294', '529389', ',', '529 779', '530001', ',', '530348', '530487', ',', '530870', '530990']
et je dois calculer separement

pouvez vous maider

merci