Sistema OSX o Linux Estoy tratando de automatizar mi flujo de trabajo en el trabajo, cada semana recibo un archivo de Excel, que convierto a csv. Un ejemplo es: ,,L1,,,L2,,,L3,,,L4,,,L5,,,L6,,,L7,,,L8,,,L9,,,L10,,,L11, Title,r/t,needed,actual,Inst,needed,actual,Inst,needed,actual,Inst,needed,actual,Inst,neede d,actual,Inst,needed,actual,Inst,needed,actual,Inst,needed,actual,Inst,needed,actual,Inst,needed,actual,Inst,needed,actual,Inst EXAMPLEfoo,60,6,6,6,0,0,0,0,0,0,6,6,6,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 EXAMPLEbar,30,6,6,12,6,7,14,6,6,12,6,6,12,6,8,16,6,7,14,6,7.5,15,6,6,12,6,8,16,6,0,0,6,7,14 EXAMPLE1,60,3,3,3,3,5,5,3,4,4,3,3,3,3,6,6,3,4,4,3,3,3,3,4,4,3,8,8,3,0,0,3,4,4 EXAMPLE2,120,6,6,3,0,0,0,6,8,4,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 EXAMPLE3,60,6,6,6,6,8,8,6,6,6,6,6,6,0,0,0,0,0,0,6,8,8,6,6,6,0,0,0,0,0,0,0,10,10 EXAMPLE4,30,6,6,12,6,7,14,6,6,12,6,6,12,3,5.5,11,6,7.5,15,6,6,12,6,0,0,6,9,18,6,0,0,6,6.5,13 Y así puede obtener una imagen de cómo se ve en excel: texto alt http://sofes.miximages.com/python/2dt2glt.png Lo que […]
Hay un archivo ecoli.ffn con filas que indican el nombre de los genes de secuenciación: $head ecoli.ffn >ecoli16:g027092:GCF_000460315:gi|545267691|ref|NZ_KE701669.1|:551259-572036 ATGAGCCTGATTATTGATGTTATTTCGCGT AAAACATCCGTCAAACAAACGCTGATTAAT >ecoli16:g000011:55989:gi|218693476|ref|NC_011748.1|:1128430-1131042 GTGTACGCTATGGCGGGTAATTTTGCCGAT >ecoli16:g000012:55989:gi|218693476|ref|NC_011748.1|:1128430-1131042 GTGTACGCTATGGCGGGTAATTTTGCCGAT CTGACAGCTGTTCTTACACTGGATTCAACC CTGACAGCTGTTCTTACACTGGATTCAACC Como se muestra arriba, el nombre del gen se encuentra entre el primer y segundo colon: g027092 g000011 g000012 Me gustaría usar ecoli.ffn para generar tres archivos: g027092.txt , […]
Tengo un archivo de texto que contiene tweets por línea, que deben modificarse para un formato de aprendizaje automático. Estoy usando python y la manipulación básica de texto de Unix (regex) para lograr una gran parte de mi manipulación de cuerdas, y estoy aprendiendo la función de sed, grep y pythons .re … este siguiente […]
Tengo una función bash que ejecuta python (que devuelve todos los regex encontrados desde stdin) function find-all() { python -c “import re import sys print ‘\n’.join(re.findall(‘$1’, sys.stdin.read()))” } Cuando uso esta expresión regular find-all ‘href=”([^”]*)”‘ < index.html debería devolver el primer grupo de la expresión regular (valor del atributo href del archivo index.html) ¿Cómo puedo […]
Me está costando mucho dividir un archivo csv grande (50 GB) en una parte más pequeña. Cada línea tiene unos pocos miles de campos. Algunos de los campos son cadenas entre comillas dobles, otros son enteros, decimales y booleanos. Quiero analizar el archivo línea por línea y dividir por el número de campos en cada […]
Tengo archivos llamados day00000.nc, day00001.nc, day00002.nc, … day00364.nc durante varios años. Representan los 365 o 366 días. Quiero cambiar el nombre de mis archivos como este day20070101.nc, day20070102.nc, … day20071231.nc ¿Cómo puedo hacer eso? Gracias
Necesito escribir una secuencia de comandos de python en la que necesito llamar algunos comandos awk dentro de ella. #!/usr/bin/python import os, sys input_dir = ‘/home/abc/data’ os.chdir(input_dir) #wd=os.getcwd() #print wd os.system (“tail -n+2 ./*/*.tsv|cat|awk ‘BEGIN{FS=”\t”};{split($10,arr,”-“)}{print arr[1]}’|sort|uniq -c”) Da un error en la línea 8: SyntaxError: carácter inesperado después del carácter de continuación de línea ¿Hay […]
Estoy intentando editar un archivo Fastq que contiene datos genómicos e identificadores moleculares únicos que flanquean cada secuencia. A continuación se muestra un ejemplo de las dos primeras lecturas: 1 @HISEQ:230:C6G45ANXX:3:1101:1395:2141 1:N:0:ACAGTGGTTGAACCTT 2 TGACGGCACTTTCTCTTCCCAACCACGTGGCTGCAGACTTCTTGCTCTCAAGTTGTCCTGACATGCTCTGAGAGCACACACAACATACATACAACACCTGGATCTGTGAATTAATTACTGCCTAGG 3 + 4 BB//<<BFBFFF<FFFFBBB<<<F/FBBB<FF/B<FFFFFFFFFFFFFFBFFFBFB/FBFFB//F//B<FFF</</BF<BBBFFFFF//B<FBFF/77F/B/BF7/FF/<BF/7FFFFBBF//B7B 5 @HISEQ:230:C6G45ANXX:3:1101:1498:2162 1:N:0:ACAGTGGTTGAACCTT 6 TGACGGCACTTTCTCTTCCCAACCACGTGGCTGCAGACTTCTTGCTCTCAAGTTGTCCTGACATGCTCTGAGAGCACACACAACATACATACAACACCTGGATCTGTGAATTAATTACTGCCTAGG 7 + 8 BBB<B<F<FFFFFFFBFFFFFFBFFFFBFF/F<FFFFBBFFFFFFFFFFBFB/BFFFFFFFFFFFBFFB/<<<FFFFFFFFFFFFFFBFFFF################################## Estas líneas se explican a continuación: 1 Information […]
He escrito un progtwig en Python para un proceso biológico https://codereview.stackexchange.com/questions/186396/solve-the-phase-state-between-two-haplotype-blocks-using-markov-transition-proba . Si observa ese progtwig, puede ver que el progtwig lleva mucho tiempo computando datos de dos líneas consecutivas (o teclas, valores) a la vez. No estoy poniendo todo el código aquí, pero por simplicidad estoy creando un archivo simulado y un progtwig simulado […]
Actualmente estoy intentando importar el siguiente archivo grande delimitado por tabuladores en una estructura similar a un dataframe dentro de Python. Por supuesto, estoy usando un dataframe de pandas , aunque estoy abierto a otras opciones. Este archivo tiene un tamaño de varios GB y no es un archivo tsv estándar; está roto, es decir, […]