筆記內(nèi)容：
和Python相關(guān)的一些慕匠，無(wú)法分類的內(nèi)容乎莉。用于日常記錄。介于放個(gè)假回來(lái)就以驚人的速度忘掉很多以前會(huì)的東西魁索。所以做個(gè)記錄以備“可能哪天會(huì)忘記”侨核。
- 似乎有些筆記用python2，有些用python3...=_= 一般來(lái)說(shuō)應(yīng)該2和3都能用，除非特殊注明撬码。
-
[u'OTU1', u'OTU2', u'OTU3'] ----> ['OTU1', 'OTU2', 'OTU3']
去掉list中的u。u即其unicode殴瘦。在Python中使用ok健盒，但是當(dāng)導(dǎo)出字符型的list在R中操作時(shí)會(huì)出現(xiàn)問(wèn)題。
兩個(gè)方法：
a = [u'OTU1', u'OTU2', u'OTU3']
test = [str(item) for item in a]
test_ = [item.encode('utf-8') for item in a]
用pycharm install packages（不能再忘了）
File --> Settings --> project:XXXX (project settings) --> project interpreter --> 右上角加號(hào)
命令行：
sudo pip install package-name把list和list名稱完整的寫(xiě)到txt里
比方說(shuō)要把a(bǔ)寫(xiě)入txt文檔巴碗，a = ['OTU1', 'OTU2', 'OTU3']
打開(kāi)這個(gè)txt文檔朴爬，就看見(jiàn)：a = ['OTU1', 'OTU2', 'OTU3']
...查看Ubuntu系統(tǒng)版本
打開(kāi)terminal,
lsb_release -astring.startswith('a')
返回True或False, 查看一個(gè)String是否由a起頭windows下安裝python并且修改環(huán)境變量
在python官網(wǎng)上https://www.python.org/downloads/下載.exe然后雙擊打開(kāi)，一路next橡淆，在命令行里輸入
C:\Users\username>path=%path%;C:\Python27
(C:\Python27是python的安裝路徑)查看一個(gè)模塊的版本
在ipython里：
import pandas as pd
pd.__version__快速瀏覽一下數(shù)據(jù)狀況：
df.head()查看前5行
df.shape查看行列數(shù)
df['colname'].value_counts()或df.colname.value_counts()對(duì)多分類變量召噩，列出每一類的counts數(shù)目。如果是數(shù)值型逸爵，會(huì)把每個(gè)數(shù)值當(dāng)作分類變量
df.colname.count()給出該列non-NaN的個(gè)數(shù)具滴。在df.count()中使用時(shí)，可以指定axis=
df.describe()只作用于數(shù)值型變量师倔，會(huì)羅列出其數(shù)目构韵，平均值，標(biāo)準(zhǔn)差趋艘，極大極小值及四分位間距疲恢。os 的常規(guī)用法
os.getcwd()類似R里的getwd()
os.chdir("XXX/XXX/XXX")改變當(dāng)前工作目錄的路徑
os.path.join("XX/", "XXX.doc")得到XX/XXX.doc
os.path.expanduser('~')得到home目錄
os.path.split("XX/XXX/test.doc")得到兩個(gè)變量，分別是XX/XXX和test.doc瓷胧，即路徑及其文件名（帶有擴(kuò)展名）
os.path.splitext("test.doc")得到文件名及其擴(kuò)展名兩個(gè)變量显拳，即test和.doc
os.path.realpath('XX.doc')返回該文件的絕對(duì)路徑（將該文件和當(dāng)前工作目錄join在一起）
亂入一個(gè)glob.glob("*.csv")把工作目錄中所有以.csv結(jié)尾的文件名稱列出來(lái)，并放進(jìn)一個(gè)List里搓萧，返回值為一個(gè)List把dictionary的key和value對(duì)調(diào)
{value:key for key, value in a_dict.items()}.format和占位符%s
"{0} 's password is {1}".format(a,b)
"%s 's password is %s" % (a,b)
兩者output是一樣的："username 's password is password"要輸入多行string:
a = '''
XXXXX
XXX
XX
'''
print a
'\nXXXXX\nXXX\nXX\n'
-
re正則
e.g. 1
pattern = '^M(b|cd|pp)[abc]N$'
^以M為開(kāi)頭萎攒；$以N為結(jié)尾，中間的()內(nèi)為一個(gè)part矛绘，為b或者cd或者pp.（必須是exactly為b或者cd或者pp）
[abc]方括號(hào)的意思為“其中任意一個(gè)字符”耍休。即abc中任意一個(gè)字母。
e.g. 2
pattern = '^M{0,3}(\d{3})$'
{}代表了它前面那個(gè)字符可以出現(xiàn)多少次數(shù)货矮。{0,3}表示M可以出現(xiàn)0羊精，1，2，3次喧锦。如果是{3}那就是exactly3次
\d{3}為任何一個(gè)數(shù)字（0到9）读规，出現(xiàn)3次
e.g. 3
pattern = '^\d{3}\D+(cd|df)\D*(cd)$'
\D為任何一個(gè)不是數(shù)字（不是0到9的字符，比方說(shuō)字母或者符號(hào)）的字符燃少。+為一個(gè)或者多個(gè)束亏。*為0個(gè)或者多個(gè)。所以\D+可以用于匹配連接符號(hào)等阵具。\D*可以用于匹配沒(méi)有或有連接符碍遍。
e.g. 4
如下所示：.groups()和.group()的差別。.groups()返回一個(gè)tuple, 里面是與pattern里所有()匹配上的東西阳液。pattern里有多少個(gè)()這里tuple里就有多少個(gè)元素怕敬。
e.g. 5
如下所示：r'string'的意思為“raw string”， 即一些符號(hào)如換行符帘皿，tab符都會(huì)被當(dāng)作string來(lái)對(duì)待东跪。在pattern去掉了^，表明(\d{3})不一定是一個(gè)字符串的開(kāi)頭鹰溜，中間開(kāi)始也算數(shù)虽填。（...用'''XXX'''沒(méi)有什么意義，只是試一下而已曹动。）
e.g. 6
在Verbose正則中卤唉，可以忽略空格換行tab及注釋，從而讓正則可讀性更強(qiáng)仁期。如下所示桑驱。string的多行輸入用'''XXX'''。但是一定要在pattern中指定re.VERBOSE跛蛋。使用re.compile()把這些信息整合起來(lái)熬的。
e.g. 7
re.sub的用法：re.sub('要換掉的字符'，'要換成的字符'赊级， '字符串')將字符串指定的部分替換掉押框。它會(huì)替換掉字符串中所有匹配到的字符。一個(gè)注意：
^[]``^在[]外的時(shí)候理逊，為“以...為開(kāi)頭”的意思橡伞；[^] ^在[]內(nèi)時(shí)，為排除的意思晋被。[^abc]即除了abc以外的任何一個(gè)字符兑徘。
>>> import re
>>> test = 'bus'
>>> test
'bus'
>>> re.search('[sxz]$',test) # []為[]中任意一個(gè)字符，即以x或s或z結(jié)尾的詞
<_sre.SRE_Match object at 0x0000000003D1E988>
>>> re.sub('$', 'es', test)
'buses'
>>> re.sub('[abc]', 'o', 'aaabbbccc9999')
'ooooooooo9999'
>>> pattern = '[^abc]N$' # N前面那一個(gè)字符羡洛，需要是除了abc以外任何一個(gè)字符
>>> re.search(pattern, 'oooN')
<_sre.SRE_Match object at 0x0000000003D1E9F0>
- 獲取一個(gè)array/list/字符串中每個(gè)element的Index
enumerate():枚舉挂脑，數(shù)數(shù)。如果是重復(fù)出現(xiàn)的elements，可以給出多個(gè)index
好用崭闲！
for i,j in enumerate(['a','b','c','d']):
print [i,j]
[i for i,j in enumerate(['a','b','c','d','d']) if j == 'd']
- ipython里的magic commands
In [1]: %history -n 1-4
In [2]: %run yourscript.py
In [3]: %cpaste
%history在ipython中查看歷史命令肋联，-n 1-4是看前4個(gè)
%run 在ipython中運(yùn)行腳本。運(yùn)行后腳本中定義的函數(shù)都會(huì)被記錄在環(huán)境中刁俭。
在ipython中復(fù)制多行代碼會(huì)有tab的問(wèn)題橄仍，一個(gè)一個(gè)手動(dòng)修改很麻煩，使用%cpaste可以復(fù)制粘貼的時(shí)候自動(dòng)正確縮進(jìn)牍戚。且可以粘貼多個(gè)代碼塊侮繁。在末尾打--回車，即完成粘貼并運(yùn)行
.unique()
用于Serise翘魄，相當(dāng)于set(df['colname'])只是其output為一個(gè)array,而不是set在pandas格式的數(shù)據(jù)中檢查缺失值
.isnull(),.notnull(),.dropna(),.fillna()
df.isnull().any()看dataframe中每一列是否存在缺失值鼎天。
df.dropna(axis=..., thresh=)去除含有缺失值的整行或整列舀奶，可以設(shè)置留下最少多少個(gè)NA的行/列
df.fillna(0)缺失值都填充為0['a', 'b', 'c', 'c', 'd'...]中'c'的個(gè)數(shù)暑竟，即計(jì)數(shù)一個(gè)List中各個(gè)element的counts數(shù)目
list.count(element)比方說(shuō)list.count('c')
如果帶有條件的計(jì)數(shù)，比方說(shuō)所有大于2的elements:
sum(1 for i in test if i > 2)sum()里是1Ｓ住５纭！相當(dāng)于計(jì)數(shù)涧至。根據(jù)一個(gè)dictionary腹躁，使用
map()給一個(gè)dataframe添加一列。
比方說(shuō)：
df = pd.DataFrame(np.random.randint(40,size=(3,4)),index=['a','b','c'],columns=['col'+ str(i) for i in range(0,4)])
df = df.reset_index()
print df
index col0 col1 col2 col3
0 a 14 18 39 1
1 b 9 4 10 16
2 c 11 9 30 33
# 根據(jù){'a':'A','b':'B','c':'C'},給df添一列
dic = {'a':'A','b':'B','c':'C'}
df['new'] = df['index'].map(dic)
print df
index col0 col1 col2 col3 new
0 a 14 18 39 1 A
1 b 9 4 10 16 B
2 c 11 9 30 33 C
如果是將一列轉(zhuǎn)化為二分類變量南蓬，則
可以使用df['new'] = df.eval("col1 <5 and col2>5")
及df['new'] = np.where(df.eval("col1 <5 and col2>5"), 'positive', 'negative')
- 把
range(1,n)轉(zhuǎn)化為['d001', 'd002', 'd003',...'d00n-1']
test = []
for i in range(1,6):
test.append("{0}{1:03}".format('d',i))
print test
['d001', 'd002', 'd003', 'd004', 'd005']
- 對(duì)一個(gè)dataframe的每行遍歷
print df
index col0 col1 col2 col3 new
0 a 14 18 39 1 A
1 b 9 4 10 16 B
2 c 11 9 30 33 C
for ind, row in df.iterrows():
print {ind:(row['col0'], row['new'])} # ind 就是每行的index, row就是每行的內(nèi)容纺非，可以用row['colname']來(lái)選取每行的哪一列
{'a': (14, 'A')}
{'b': (9, 'B')}
{'c': (11, 'C')}
dataframe中判斷一列是否有重復(fù)
df.index.is_unique
df['colname'].is_unique
返回True/False.isin()選擇一個(gè)col中的value，都在一個(gè)List中的行
...甚為繞口赘方，舉個(gè)例子：
In [6]: df
Out[6]:
value1 value2 value3 class
a 66 54 53 class1
b 91 21 35 class1
c 75 34 68 class2
d 31 50 31 class2
e 77 28 49 class3
In [8]: se = ['class1','class2']
In [9]: se
Out[9]: ['class1', 'class2']
In [10]: df.loc[df['class'].isin(se),:]
Out[10]:
value1 value2 value3 class
a 66 54 53 class1
b 91 21 35 class1
c 75 34 68 class2
d 31 50 31 class2
groupby
按照某列分組求和：df.groupby(['colname']).sum()
每列求和（整列相加）:df.sum(axis=0)
每行求和（整行相加）:df.sum(axis=1)
按照index來(lái)drop掉特殊的一行：df = df.drop('index_name')把內(nèi)容一行一行的寫(xiě)到某個(gè)文件里(...早就該記住了)
test = ["a","b","c"]
with open("XXXX.txt","w") as f1:
for i in range(0,len(test)+1):
f1.write(str(i) + "," + ",".join(test) + '\n')
# 得到XXXX.txt:
0,a,b,c
1,a,b,c
2,a,b,c
3,a,b,c
快速把一個(gè)數(shù)據(jù)集隨機(jī)分成1/4烧颖，3/4兩個(gè)部分，用于指定訓(xùn)練集和測(cè)試集
df['is_train'] = np.randomuniform(0,1,len(df)) <= .75dictionary.get(key,[])
通過(guò)給定key來(lái)獲取values, 如果給出的key不存在窄陡，則用[]中的表示在用于List時(shí)炕淮，append和extend的區(qū)別
a = ['a', 'b']
a.append(['c', 'd'])
print a # 得到 ['a', 'b', ['c', 'd']]
a.extend(['c', 'd'])
print a # 得到['a', 'b', 'c', 'd']
filter rows: col列中每行中包含指定string則filter出來(lái)
df[df['col'].str.contains('string')]
有可能因?yàn)?code>df['col']中含有NA值報(bào)錯(cuò)，則先去掉df['col']中的NA行：
df = df[df['col'].notnull()]在win10（pycharm）上使用matplotlib出現(xiàn)的一個(gè)問(wèn)題
使用seaborn和matplotlib可能會(huì)出現(xiàn)以下報(bào)錯(cuò)：
RuntimeError: Cannot get window extent w/o renderer
需要check一下backend：
print matplotlib.get_backend()
如果不是'agg'跳夭，則加上：matplotlib.use('agg')
'agg'后臺(tái)似乎不能把圖片show出來(lái)涂圆，直接保存就好。
雖然這好像是個(gè)matplotlib在Mac OS X系統(tǒng)上的bug币叹，我這邊用win10也有润歉。
參考：
https://github.com/mwaskom/seaborn/issues/545
https://github.com/matplotlib/matplotlib/issues/10874在pycharm里切換python2和python3
File ----> Settings ----> project interpreter的選擇條 ----> 選擇你要的version
如果你要的version不在里面，比如python3, 在終端里輸入which python3找到它的安裝目錄颈抚，然后點(diǎn)擊選擇條旁邊的設(shè)置按鈕（那個(gè)小齒輪）卡辰，選擇add Local找到安裝目錄下你要的python版本， apply即可。你安裝了pip3, 基于python3的九妈。但是
pip3 --version顯示是基于python2.7的反砌。
可以每次使用Pip的時(shí)候都這樣：
python3.5 -m pip ...
....不利索的解決辦法，也是解決辦法萌朱。pandas讀excel（這么簡(jiǎn)單的東西不要再忘了好嗎）
pd.read_excel(infilepath, sheet_name='XXX'...)pandas: 把categorical的column轉(zhuǎn)化為多列的one-hot-encoding
import pandas as pd
df['category'] = pd.Categorical(df['category'])
dummy_df = pd.get_dummies(df['category'], prefix = 'category_前綴')
# dummy_df就是category轉(zhuǎn)化為one-hot-encoding后的結(jié)果
- argparse參數(shù)解析
以后再忘記宴树，直接用這個(gè)照葫蘆畫(huà)瓢。
# 保存這個(gè)腳本為test_arg.py
import argparse
import numpy as np
import os
import pandas as pd
# 做一個(gè)這樣的dataframe, 將其某一列抽出來(lái)存為ttt.csv
# df = pd.DataFrame(np.random.randint(40, size=(3,4)),
# index=['a', 'b', 'c'],
# columns=['col1','col2','col3','col4'])
def test_fun(df, colname, path):
df = pd.read_csv(df)
df[colname].to_csv(os.path.join(path, 'ttt.csv'))
if __name__ == '__main__':
parser = argparse.ArgumentParser()
parser.add_argument('-i', dest='df', required=True)
parser.add_argument('-col', dest='column', required=True)
parser.add_argument('-o', dest='path')
args = parser.parse_args()
# 在terminal中我們要傳3個(gè)參數(shù)晶疼，-i的df酒贬， -col的column name，以及-o的output path
df = args.df
column = args.column
path = args.path
test_fun(df=df, colname=column, path=path)
#在終端這么用：
$ python3.5 test_arg.py -i XXXX.csv -col 'col2' -o 'usrname/Desktop'
jupyter-lab(或者notebook)報(bào)錯(cuò)
--NotebookApp.iopub_data_rate_limit即IOPub data rate exceeded
在命令行中：
$ jupyter-lab --LabApp.iopub_data_rate_limit=2147483647
是jupyter notebook則
$ jupyter notebook --NotebookApp.iopub_data_rate_limit=2147483647to_csv()保存內(nèi)容中有中文翠霍，出現(xiàn)亂碼
試試XX.to_csv(encoding='utf-8')
不行再試試XX.to_csv(encoding='utf_8_sig')jupyter-lab里用Plotly畫(huà)圖報(bào)錯(cuò)：
No renderer could be found for output. It has the following MIME types: application/vnd.plotly.v1+json锭吨，沒(méi)有圖顯示
參考這里，需要安裝一些JupyterLab Supportpython2和python3的一些區(qū)別
df.query()
查詢：行使一個(gè)filter的功能寒匙。格式是：
df.query("colname == 'value' and colname2 == 'value2'")
注意colname中不可以用空格把dataframe的colnames中的空格換成“_”
df.columns = df.columns.str.replace(' ', '_')用
df.groupby('colname').size()來(lái)計(jì)數(shù)多分類變量的value頻率
df = pd.DataFrame({'a' : ['u','l','y','y'],'b' : ['u','u','l','y'],'c':['l','y','u','y']})
df
a b c
0 u u l
1 l u y
2 y l u
3 y y y
df.groupby('a').size()
a
l 1
u 1
y 2
dtype: int64
df.groupby('a').size()['y']
2
- 記一個(gè)Pands導(dǎo)入數(shù)據(jù)的坑：
我們有一份數(shù)據(jù)大概是這樣的：
samples-ID是列（有重復(fù)ID）零如，行是features
導(dǎo)入的時(shí)候：
test = pd.read_excel("c:/Users/XXX/Desktop/test_file.xlsx",sheet_name='Sheet1')
要小心如果導(dǎo)入的數(shù)據(jù)列有重復(fù)名，pandas會(huì)自動(dòng)給加上
.1 .2等標(biāo)記以區(qū)別锄弱。導(dǎo)入數(shù)據(jù)行有重復(fù)名則不會(huì)考蕾。pandas要求列名必須是唯一的。
- 在python3里運(yùn)行python2的腳本
比方說(shuō)你要把lefse的步驟整成一個(gè)Python3的腳本会宪，但是lefse是python2寫(xiě)的肖卧。比方說(shuō)如下所示，format_input.py是python2的腳本掸鹅。
shell = True相當(dāng)于獨(dú)立一個(gè)shell窗口運(yùn)行python3cmd塞帐。如果沒(méi)有的話可能會(huì)調(diào)用到什么奇怪的地方。
另外最好把python的絕對(duì)路徑寫(xiě)明巍沙。
import subprocess
python3cmd = '/user/bin/python format_input.py prepared.csv prepared.in -c 2 -u 1'
subprocess.Popen(python3cmd, shell=True)
如果中間有output,則
proce = subprocess.Popen(python3cmd, shell=True, stdout=subprocess.PIPE)
output = proce.communicate()
print(output)
如果有一系列腳本需要運(yùn)行：
cmd1 = 'XXX.py -in XXX.csv -o XXX.txt'
cmd2 = 'XXXX.py -in XXX.txt -o XXX.pdf'
cmd3 = 'XX.py -in XXX.txt -o XXX_1.pdf'
cmd = ';'.join([cmd1, cmd2, cmd3])
process = subproess.Popen(cmd, stdout=subprocess.PIPE, ...) # 不用split出來(lái)
參考鏈接：
https://blog.csdn.net/bcfdsagbfcisbg/article/details/78134172
記一個(gè)小坑
linux系統(tǒng)上有python2也有python3, 試圖在在Python2.7里安裝rpy2模塊葵姥，反復(fù)報(bào)錯(cuò)
ERROR: Command "python setup.py egg_info" failed with error code 1 in...
參考https://github.com/facebook/prophet/issues/418
更新pip2
sudo python2 -m pip install --upgrade pip
更新setuptools
sudo python2 -m pip install --upgrade setuptools
指定rpy2的版本pip
sudo python2 -m pip install rpy2==2.8.6判斷一個(gè)file是否為空
os.stat('file').st_size == 0篩選某列非空/空的行
df[df['col'].notnull()]
df[df['col'].isnull()]
47.python做correlation
from scipy.stats.stats import pearsonr
# from scipy.stats.stats import spearmanr 或者spearman系數(shù)
pearsonr(list1, list2)
# 返回一個(gè)tuple: (r,p)
去除加和為0的行/列
df.sum(axis=1) != 0)即去掉加和為0的行，下同：
df.loc[(df.sum(axis=1) != 0), (df.sum(axis=0) != 0)]在Python里fdr矯正P值
from statsmodels.stats.multitest import fdrcorrection
a_list_of_p = [0.5,0.000000000001,0.000000000009,0.05,0.000003,0.4] # 你要矯正的P值
fdrcorrection(a_list_of_p)
# 得到：
(array([False, True, True, False, True, False]),
array([5.0e-01, 6.0e-12, 2.7e-11, 7.5e-02, 6.0e-06, 4.8e-01]))
- 將一個(gè)flat list(一維List) 轉(zhuǎn)化為 list of lists; 將list of lists 轉(zhuǎn)化為flat list
import itertools
# 把list of lists 合并為 flat list
itertools.chain.from_iterable(list_of_lists)
# 把flat list 拆成一行n個(gè)的list of lists
zip(*[iter(flat_list)] * n)
一個(gè)查漏補(bǔ)缺：tuple, list 和 set的異同
list: [] elements有序可index赎瞎，可改寫(xiě)牌里，
tuple: () elements有序可index, 不可改寫(xiě)
set: {} elements無(wú)序不可index, 可改寫(xiě)，只包含不重復(fù)的elementslist[::2]間隔2個(gè)elements
A = [1,2,3,4,5,6]
A[::2] # [1,3,5]sort list
B = [2,3,4,1,6]
sorted(B) # [1,2,3,4,6]
或者
B.sort()
print(B)zip(*iterablelist)
S = ['cba','daf','ghi']
for col in zip(*S):
print(col)
# got:
('c', 'd', 'g')
('b', 'a', 'h')
('a', 'f', 'i')
或者不用iteration:
A = ['abfc','sdtf','dfoe']
for i in range(len(A[0])):
col = [A[j][i] for j in range(len(A))]
print(col)
# [['a', 's', 'd'],
# ['b', 'd', 'f'],
# ['f', 't', 'o'],
# ['c', 'f', 'e']]
-
collections.Counter
collections是python build-in的模塊
arr1 = [2, 3, 1, 3, 2, 4, 6, 7, 9, 2, 19]
collections.Counter(arr1)
# 返回一個(gè)字典务甥，key為list中不重復(fù)的各elements, value為其計(jì)數(shù)
# Counter({2: 3, 3: 2, 1: 1, 4: 1, 6: 1, 7: 1, 9: 1, 19: 1})
collections.Counter(arr1)[20]
# 返回0牡辽， 因?yàn)檫@里面20的count是0. 不會(huì)像普通字典那樣，沒(méi)有key則會(huì)報(bào)錯(cuò)
- 給定年月日信息敞临，查是星期幾态辛？
import datetime
we = datetime.datetime(year,month,day).weekday()
we_day = ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday","Sunday"][we]
生成26個(gè)字母：
[chr(ord('a')+i) for i in range(26)]找多個(gè)字典的intersection
即k,v均相同的對(duì)子
a_list = [{'c': 1, 'o': 2, 'l': 1},
{'l': 1, 'o': 1, 'c': 1, 'k': 1},
{'c': 1, 'o': 2, 'k': 1}]
dict(set.intersection(*(set(d.items()) for d in a_list)))
- 比如一個(gè)fasta文件，讀取某一行的后N行
with open('XX/XX/XX.txt') as f:
for line in f:
if line.startswith('>'):
print([next(f) for index in range(N)])
apply lambda x:不要再忘了
df['newcol'] = df['col'].apply(x: 'value if condition met' if x condition else 'value if condition not met')with open fastq.gz 文件挺尿，一頓操作之后保存成 .fastq
在操作的時(shí)候要注意bytes和string之間的轉(zhuǎn)化
有空去找找怎么直接對(duì).gz操作奏黑，保存成.gz!
bytes objdect:b'XXX'
string to bytes:XXX.encode()
bytes to strint:XXX.decode()
test_in = 'XXX.fastq.gz'
test_out = 'XXX.fastq'
barcode_list = ['ATGCTC','ATCCGT'....]
with gzip.open(test_in, 'rb') as f, open(test_out, 'w') as data_out:
#..就算'rb'換成'r'都是以bytes形式打開(kāi)炊邦，因?yàn)間zip.open打開(kāi)后就是一個(gè)二進(jìn)制的文件
for line in f:
line = line.decode()
if line.startswith("@HWI"):
seqs = next(f).decode() #注意.decode()，這里將bytes轉(zhuǎn)化為string
sign = next(f).decode()
quality = next(f).decode()
for i in barcode_list:
if i in seq:
seq = i + seq.split(i)[1]
data_out.write("{}{}{}{}".format(line,seq,sign,quality))
如果要write到.gz文件熟史，則：
data_out = 'XXXX.fastq.gz'
with open(test_out,'wt') as data_out:
data_out.write("XXXXXXX") # "XXXXXXXX"是string就可以
- 通過(guò)絕對(duì)路徑來(lái)import模塊
import sys
sys.path.append('XX/XXX/XXX/XXXX')
from XXXX.XX import any_function
