Concaténer des tableaux de hachage

Bonjour à tous,

je débute sur perl (d'habitude j'utilise bash) et je bloque en essayant de concaténer des tableaux de hachage. Le but de la manip est de concaténer plusieurs fichiers contenant des séquences, du style :

fichier 1 :
ind1 [sequence]
ind2 [sequence]
ind5 [sequence]

fichier 2 :
ind3 [sequence]
ind4 [sequence]
ind5 [sequence]

sachant que tous les individus ne sont pas représentés dans tous les fichiers (il va donc falloir que j'ajoute les données manquantes au fil de la concaténation).

ce que j'ai fais pour l'instant :

Code:

---

1 2 3

open(ind, '<', 'concat'); my %concat=<ind>; print %concat;

---

créé un tableau de hashage dont les clés sont les noms de mes individus (contenus dans le fichier concat).

ensuite

Code:

---

1 2 3

open(locus1, '<', 'locus0001'); my %locus1=<locus1>; while(<locus1>){/([A-Za-z0-9]*)[[:space:]]*(.*)/; push @{$concat{$1}}, $2, "\n";}

---

J'ouvre mon premier fichier de séquences (locus0001), je le stocke dans un tableau de hashage et je le concatène avec celui contenant les noms d'individus.
Seulement, ca ne marche pas et j'obtiens quelque chose comme ca :

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47

Neu83ARRAY(0x13b8130)Sbz179 And54 oph_D Brk117 BZ1 Brk120 1488ARRAY(0x13b7fc8)Neu73 Shv51 Dej22 Neu56 Ker382 Sbz177 Krk148 Neu50 Neu18 BZ16 Sis367 SGH90 Ap106 MrD264 Neu83 Ker380 And57 SGH88 Tov320 smk228 Sis354 Voj344 Smk226 Ngs408 1488 DgH208 Krk150 ToV319 DgH207 Neu04 MrD266 Neu55 Neu11 Neu84ARRAY(0x13cf428)Neu84 Neu36 Neu73ARRAY(0x13b80a0)Ap105 Neu72 Shv43 oph_T Ngs394 Voj345

---

En lieu et place de mes séquences, une chaine de type ARRAY(...), et je ne sais pas ce que ca veut dire, et il y a des doublons dans les noms des individus...

Quelqu'un aurait une idée ?

merci d'avance,
Lois.

Citation:

---

Envoyé par lois_rancilhac

fichier 1 :
ind1 [sequence]
ind2 [sequence]
ind5 [sequence]

fichier 2 :
ind3 [sequence]
ind4 [sequence]
ind5 [sequence]

---

Est-ce le format exact de tes deux fichiers? Sinon, prière de fournir un échantillon au format exact des fichiers en entrée.

Citation:

---

Envoyé par lois_rancilhac

Code:

---

1 2 3

open(ind, '<', 'concat'); my %concat=<ind>; print %concat;

---

créé un tableau de hashage dont les clés sont les noms de mes individus (contenus dans le fichier concat).

---

Très probablement pas. Tu ne peux pas remplir un hachage de cette manière, ou, au mieux, tu auras un hachage dans lequel les clefs seront les lignes impaires de ton fichier et les valeurs les lignes paires du fichier. Ce n'est certainement pas ce que tu veux.

Il faut manipuler les lignes que tu lis afin d'en extraire deux champs qui formeront les paires clefs-valeurs de ton hachage. Là, pour t'aider, j'ai besoin du format exact de tes lignes en entrée.

Par exemple, si ta ligne est stockée dans la variable $line et ressemble à ceci:

Code:

---

1 2	une_clef;une_valeur

---

et si tu as préalablement déclaré un hachage %concat, tu peux faire ceci:

Code:

---

1 2 3

my ($key, $val) = split /;/, $line; $concat{$key} = $val;

---

A des fins de débogage, je te conseille fortement d'utiliser le module Data:: Dumper pour visualiser le contenu de tes structures de données (tableaux, hachages, etc.). En haut de ton programme, tu ajoutes la ligne suivante:

Code:

---

1 2	use Data::Dumper;

---

Et, après avoir alimenté ton hachage %concat, tu peux ajouter la ligne:

Code:

---

1 2	print Dumper \%concat;

---

Cela te permettra de vérifier le contenu de ton hachage.

Salut,

merci pour ta réponse !

l'exemple que j'ai mis représente bien l'architecture de mes fichiers de séquences (sauf qu'il y a plus d'individus, et plus de fichiers).
Voilà un exemple de fichier de séquence:

Code:

---

1 2 3 4

1488 CATCTCTCCAGCA--ACATCCGAGATAGCTACTCATCAGCAGCAACCACCCTCATnnnnCGTCAGAGGCCTAGCAAGAACGGAAGAACTTCTTTGATGGCTCCACCATGAGATGAAACG Neu73 CATCTCTCCAGCAGGACATCCGAGAAAGCTACTCATCAGCAGCAACCACCATCATnnnnCGTCAGAGGCCTAGCAAGAACGGAAGAACTTCTTTGATGGTTCCAACATGAGATGAAACG Neu83 CATCTCTCCAGCAAGACATCCGAGAAAGCTACTCATCAGCAGCAACCACCATCATnnnnCGTCAGAGGCCTAGCAAGAACGGAAGAACTTCTTTGATGGTTCCAACATGAGATGAAACG Neu84 CATCTCTCCAGCAAGACATCCGAGAAAGCTACTCATCAGCAGCAACCACCATCATnnnnCGTCAGAGGCCTAGCAAGAACGGAAGAACTTCTTTGATGGTTCCAACATGAGATGAAACG

---

et je possède églament un fichier contenant seulement les noms de tous les individus présents dans les fichiers de séquences (en voici le début) :

Code:

---

1 2 3 4 5 6 7 8 9 10 11

1488 And54 And57 Ap105 Ap106 Brk117 Brk120 BZ1 BZ16 Dej22 [...]

---

Du coup je pensais créer un tableau de hachage dont chacun de mes individu est une clé, comme suit, sans leur attribuer de valeur au début. Ensuite j'ouvre mon premier fichier de séquences et attribue comme valeur à chaque individu du tableau de hachage la séquence corrspondante (lorsqu'un individu n'est pas reprśenté dans mon fichier de séquences, je lui attribue une suite de 'N'), comme suit :

Code:

---

1 2 3 4 5 6 7

ind1 [séquence_fichier1] ind2 [séquence_fichier1] ind3 NNNNNNNNNNNN ind4 NNNNNNNNNNNN ind5 [séquence_fichier1] [...] indN [séquence_fichier1]

---

Ensuite , je répète l'opération avec mes n fichiers de séquences, de manière à obtenir quelque chose comme ca :

Code:

---

1 2 3 4 5 6 7

ind1 [séquence_fichier1/séquence_fichier2/.../séquence_fichiern] ind2 [séquence_fichier1/séquence_fichier2/.../séquence_fichiern] ind3 [NNNNNNNNNNNN/séquence_fichier2/.../séquence_fichiern] ind4 [NNNNNNNNNNNN/séquence_fichier2/.../séquence_fichiern] ind5 [séquence_fichier1/séquence_fichier2/.../séquence_fichiern] [...] indN [séquence_fichier1/séquence_fichier2/.../séquence_fichiern]

---

J'espère que c'est plus clair, j'ai un peu de mal à l'expliquer...

merci en tout cas pour tes explications, je vais essayer de faire ca diffŕement.

bonne soirée
Lois.

Bonjour,

Ça ne serait pas plus simple de créer plutot une structure du genre:

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12

perl -MData::Dumper -e '$xx{"foo"}[2]="titi";$xx{"bar"}[1]="toto"; print Dumper \%xx' $VAR1 = { 'foo' => [ undef, undef, 'titi' ], 'bar' => [ undef, 'toto' ] };

---

où l'indice (qui commence à zéro) serait le énième fichier ?
Ici, par exemple,
"foo" n'a pas de données dans le fichier 0 et 1 mais a des données dans le fichier 2.
"bar" n'a pas de données dans le fichier 0 et 2 mais à des données dans le fichier 1.

Tu n'aurais qu'a gérer un incrément (pour l'indice du énième fichier).

Salut,

Merci beaucoup pour ta réponse. Effectivement, ca a l'air de bien coller à mes besoins. Juste deux petites questions : MData::Dumper est-il équivalent à Data::Dumper ? Et comment ce fait-il que tu puisses remplir le tableau xx sans l'avoir déclaré d'abord avec my ? (désolé si ces questions sont basiques, je débute)

Cordialement,
Lois

Ici, ce n'est qu'un pseudo-script oneliner en perl juste pour montrer à quoi ressemblerait la structure que je te proposais.

Le -M, c'est pour dire au perl de charger un module avant l'execution du code, donc ici Data:: Dumper.

Pour ce qui est du remplissage ou de l'utilisation de variables sans les déclarer d’abord, comme tu as pu le constater, on peut le faire mais il ne le faut pas, ici j'ai juste simplifié à l'extrême pour ne montrer que la partie intéressante.

Comme ici, on peut le tolérer mais juste pour des petits onliner. Dés que c'est un vrai script, on le fait bien en utilisant les pragma 'strict' et 'warning' et on déclare ces variables.

Bonjour à tous,

Encore merci pour vos conseils. J'ai réussi à faire ce que je voulais, ce n'est sûrement pas la solution la plus élégante/simple mais ça fonctionne, donc je met mon script ici pour ceux qui pourraient en avoir besoin.

Code:

---

1 2 3 4 5 6 7 8 9 10 11

#!/usr/bin/perl use strict; use warnings; use Data::Dumper;   open(LOCI, '<', '/home/lois_rancilhac/Documents/learning_perl/list_loci'); my @loci; foreach my $t (<LOCI>) { chomp $t; push(@loci, $t); }

---

Cette partie permet d'importer la liste des fichier de séquences que je veux traiter (elle sera générée en amont de ce script).

Code:

---

1 2 3 4 5 6 7 8 9 10 11

open (LIST, '<', '/home/lois_rancilhac/Documents/learning_perl/list_ind'); my @list_ind; foreach my $l (<LIST>) { chomp $l; push(@list_ind, $l); }   my %tab_conc; for my $ligne (@list_ind) { $tab_conc{"$ligne"} .= "1"; }

---

J'importe la liste de tous mes individus dans le tableau @list_ind, puis je créé un tableau de hachage %tab_conc dont les clés sont mes individus et je leur attribue à toutes la valeur "1" (valeur arbitraire, seulement pour pouvoir créer le tableau, je supprimerai les 1 en aval du script).

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

for my $i (@loci) { open(LOCUS, '<', "/home/lois_rancilhac/Documents/learning_perl/$i"); my %tab; for my $ligne2 (<LOCUS>) { my @locus_ligne=split('\s+', $ligne2); my $indl2=$locus_ligne[0]; $tab{"$indl2"}=$locus_ligne[1]; } my @k=keys(%tab); my $N=length($tab{$k[1]}); for my $j (@list_ind) { if (defined($tab{"$j"})) { $tab_conc{"$j"} .= $tab{"$j"};} else {$tab_conc{"$j"} .= "N"x $N;} } }   open (OUTPUT, '>', "/home/lois_rancilhac/Documents/learning_perl/output"); print Dumper \%tab_conc; print OUTPUT %tab_conc; close(OUTPUT);

---

J'ouvre mes fichiers de séquences l'un après l'autre, les stocke dans un tableau de hachage. Ensuite, pour chaque individu, si il est représenté dans le fichier de séquences lu je concatène sa séquence dans le gros tableau %tab_conc, si il n'est pas présent je met à la place une suite de N de la longueur de la séquence.
Ensuite j'écris le tableau %tab_concat dans un fichier. J'ai juste un problème avec cette dernière partie : dans mon fichier de sortie, j'obtiens toutes mes clés et valeurs sur la même ligne, sans séparation. Savez vous si il y a moyen d'exporter ca sous forme de tableau lisible (i.e clés et valeurs séparées et chaque couple (clé, valeur) sur une ligne différente) ?

Cordialement,
Lois

Bonjour,

pour la lecture de lignes depuis un descripteur de fichier, il vaut mieux utiliser while que for ou foreach. Donc, remplacer:

Code:

---

1 2 3 4

foreach my $t (<LOCI>) { chomp $t; push(@loci, $t); }

---

par:

Code:

---

1 2 3 4

while (my $t = <LOCI>) { chomp $t; push(@loci, $t); }

---

Et idem pour:

Code:

---

1 2 3

foreach my $l (<LIST>) { # ...

---

La différence entre les deux syntaxes se fait surtout sentir pour de gros fichiers, mais c'est tout de même plus efficace aussi pour de petits fichiers.

Mais ne change pas:

Code:

---

1 2 3

for my $ligne (@list_ind) { # ...

---

c'est bien la syntaxe préférée pour lire les éléments d'un tableau.