python中两个.txt文件的共同行答案

【问题标题】：Common rows of two .txt files in pythonpython中两个.txt文件的共同行
【发布时间】：2016-08-10 00:08:05
【问题描述】：

我有 2 个大的 .txt 文件，每个文件有 10 列和 21008 行。我需要获取两个文件的公共行并创建一个新文件。两个文件的第一列包含 ID。 2 个文件中的一些 ID 相似，但不是全部。新文件将包含公共 ID，当然还有完整的行。这是一个小例子：

输入1：

ENSG00000137288.5   0,111111112 0,099415205 0,894736842 
ENSG00000116085.9   0,086826347 0,152694613 1,758620722 
ENSG00000167578.12  0,052093968 0,096016347 1,843137535 
ENSG00000167531.2   0,042553194 0,085106388 2   
ENSG00000078237.4   0,016129032 0   0   0,031746034

输入2：

ENSG00000137288.5   0,167213112 0,134426236 0,803921621 
ENSG00000116032.5   0,094311371 0,144461095 1,531746311 
ENSG00000167578.12  0,062894806 0,101620428 1,615720507 
ENSG00000103227.14  0,067720085 0,068472534 1,011111165 
ENSG00000078241.8   0,016260162 0,040650405 2,5

输出文件：

ENSG00000137288.5   0,111111112 0,099415205 0,894736842 ENSG00000137288.5   0,167213112 0,134426236 0,803921621     
ENSG00000167578.12  0,052093968 0,096016347 1,843137535 ENSG00000167578.12  0,062894806 0,101620428 1,615720507

谢谢

【问题讨论】：

其中一个文件可能包含重复行吗？
没有。每个文件中没有重复的行。
我不介意是否包括在内。

标签： python text

【解决方案1】：

读取第一个文件并逐行迭代，每行保留id和行。只为下一个执行此操作，通过 id 查找公共行，然后附加到输出格式的列表中：

ids = {}
found = []
with open(filepath1) as file1:
    for line in file1.lines():
        id_ = line.split()[0]
        ids[id_] = line

with open(filepath2) as file2:
    for line in file2.lines():
        id_ = line.split()[0]
        if id_ in ids:
            found.append("{} {}".format(ids[id_], line))

【讨论】：

【解决方案2】：

您可以使用dict 来跟踪第二个文件中看到的行，以允许第一个设置顺序：

d2={}
with open("f2.txt") as f2:
    for line in f2:
        k,_,v=line.partition(' ')
        d2[k]=line.strip()

with open("f1.txt") as f1:
    for line in f1:
        k,_,v=line.partition(' ')
        if k in d2:
            print line.strip(), d2[k]

打印：

ENSG00000137288.5   0,111111112 0,099415205 0,894736842 ENSG00000137288.5   0,167213112 0,134426236 0,803921621
ENSG00000167578.12  0,052093968 0,096016347 1,843137535 ENSG00000167578.12  0,062894806 0,101620428 1,615720507

【讨论】：

【解决方案3】：

这是解决您问题的有效解决方案（使用列表）。最后，您将获得一个列表，其中包含一个名为“res”的文件中具有相同 ID 的所有行

l1 = []
l2 = []

with open('file1', 'r') as f1:
    for line in f1:
        line = line.split()
        l1.append(line)

with open('file2', 'r') as f2:
    for line in f2:
        line = line.split()
         l2.append(line)

res = [i + j for i, j in zip(l1, l2) if i[0] == j[0]]

target = open('res', 'w')
for i in res:
    for j in i:
        target.write(j)
        target.write(' ')
    target.write('\n')

【讨论】：