从不是 1:1 的制表符分隔文件创建 python 字典答案

【问题标题】：Create a python dictionary from a tab delimited file that is not 1:1从不是 1:1 的制表符分隔文件创建 python 字典
【发布时间】：2017-07-26 20:07:37
【问题描述】：

我想从一个制表符分隔的文件（无标题）创建两个 python3 字典。该文件有 2 列我想命名为 group_id 和gene_id。一个组可能有多个基因，一个基因可以属于多个组。我会用一个简单的例子来演示我想要什么。

group_id gene_id

A        a
A        b
A        c
A        d
B        a
B        c
B        e

我想要两本词典：

dict1 = {'A':(a,b,c,d),'B':(a,c,e)}

和

dict2 = {'a':(A,B), 'b':(A), 'c':(A,B), 'd':(A), 'e':(B)}

我想将值存储在元组中以提高速度，因为我的文件是 2.5 GB，我最终会得到稍后必须使用的大字典。

我知道有很多这样的问题，但我无法从那些处理具有键值对的文件中找到答案。

谢谢！

【问题讨论】：

当然。您是否尝试过实现这一点？很高兴看到你的代码，看看你走了多远，遇到了什么困难。
Pandas 是一个很好的起点。
值可以是列表而不是元组吗？

标签： python python-3.x dictionary tuples

【解决方案1】：

collections 模块有一个defaultdict 方法，它返回一个新的类字典对象。只需将值附加到每个键即可。

from collections import defaultdict
dict1 = defaultdict(list)
dict2 = defaultdict(list)

with open("C:/path/example.txt") as f:
    header = f.next()
    for line in f:
        if line.strip():
            a,b =  line.strip().split()
            dict1[a].append(b)
            dict2[b].append(a)

print dict1

defaultdict(<type 'list'>, {'A': ['a', 'b', 'c', 'd'], 'B': ['a', 'c', 'e']})

和dict2

defaultdict(<type 'list'>, {'a': ['A', 'B'], 'c': ['A', 'B'], 'b': ['A'], 'e': ['B'], 'd': ['A']})

【讨论】：

【解决方案2】：

我认为代码在这里不言自明，但基本上由于您使用的是字符串，您可以只拥有两个单独的字典，然后解析每一行。如果您有一个新值，则必须创建一个新条目，您可以使用 if 语句来执行此操作。有一点，您应该使用列表，因为元组是不可变的，并且在创建后无法更改：

data = """group_id gene_id
    A        a
    A        b
    A        c
    A        d
    B        a
    B        c
    B        e"""

lines = data.splitlines()
group_dict = {}
gene_dict = {}

for line in lines[1:]:
    group, gene = line.split()
    if group not in group_dict.keys():
        group_dict[group] = list()
    group_dict[group].append(gene)

    if gene not in gene_dict.keys():
        gene_dict[gene] = list()
    gene_dict[gene].append(group)

from pprint import pprint
pprint(group_dict)
pprint(gene_dict)

打印：

{'A': ['a', 'b', 'c', 'd'], 'B': ['a', 'c', 'e']}
{'a': ['A', 'B'], 'b': ['A'], 'c': ['A', 'B'], 'd': ['A'], 'e': ['B']}

【讨论】：