比较两个网络边缘列表

Question

我有两个列表-master.txt及其子集child.txt。我想在master.txt中打印child.txt中不存在的边缘master.txtA    BB    CD    Fchild.txtB    AC    BE    F输出：DF我已经编写了示例代码file1 = open("master.txt", "r")file2 = open("child.txt", "r")probe_id = file1.readlines()loc_names = file2.readlines()`#flag=0for i in probe_id:    i=i.rstrip()    probe_info=i.split("\t")    probe_info[0]=probe_info[0].strip()    probe_info[1]=probe_info[1].strip()    flag=0    for j in loc_names:        j=j.strip()        loc_names=j.split("\t")        loc_names[0]=loc_names[0].strip()        loc_names[1]=loc_names[1].strip()  #throwing index out of range error        if (probe_info[0]==loc_names[0] and probe_info[1]==loc_names[1]) or (probe_info[0]==loc_names[1] and probe_info[1]==loc_names[0]):            flag=1        if flag==0:            print i到目前为止，拆分较小的文件时，索引超出范围。请帮助。另外，如果还有其他更快的技术可以执行相同的操作，请告诉我。谢谢

Answer 1

如果我正确理解您的要求，那么您需要做的是：

$ awk '

    { edge=($1>$2 ? $1 FS $2 : $2 FS $1) }

    NR==FNR{ file1[edge]; next }

    !(edge in file1)

' child.txt master.txt

D    F

如果您想在子级中找到不在母版中的边缘，则只需翻转输入文件的顺序即可：

$ awk '

    { edge=($1>$2 ? $1 FS $2 : $2 FS $1) }

    NR==FNR{ file1[edge]; next }

    !(edge in file1)

' master.txt child.txt

E    F

上面的代码非常快，因为它只是在进行哈希查找。

Answer 2

您可能想使用pythondict进行快速查找：

child = {}

with open('child.txt', 'r') as c:

    for line in c:

        p1, p2 = line.strip().split()

        child[p1] = p2

        child[p2] = p1

with open('master.txt', 'r') as m:

    for line in m:

        p1, p2 = line.strip().split()

        if child.get(p1) == p2:

            continue

        print(line)

关于您的代码，您将重新分配给loc_names该对['E', 'F']，因此外循环的下一次迭代意味着loc_names将设置内循环j为'E'：

file1 = open("master.txt", "r")

file2 = open("child.txt", "r")

probe_id = file1.readlines()

loc_names = file2.readlines()`

#flag=0

for i in probe_id:

    i=i.rstrip()

    probe_info=i.split("\t")

    probe_info[0]=probe_info[0].strip()

    probe_info[1]=probe_info[1].strip()

    flag=0

    for j in loc_names: # j will be 'E' after second iteration of outer loop

        j=j.strip()

        loc_names=j.split("\t") 

        loc_names[0]=loc_names[0].strip()

        loc_names[1]=loc_names[1].strip()  # loc_names is ['E', 'F']

        if (probe_info[0]==loc_names[0] and probe_info[1]==loc_names[1]) or (probe_info[0]==loc_names[1] and probe_info[1]==loc_names[0]):

            flag=1

        if flag==0:

            print i

Answer 3

您可以将每行中的项目拆分为frozensets，然后将其放入set每个文件的，以便可以有效set.difference地获取无效的内容child.txt：

print(' '.join({frozenset(l.split()) for l in open("master.txt")} - {frozenset(l.split()) for l in open("child.txt")}))