«Слишком много значений для распаковки» при суммировании больших текстовых файлов в python

У меня есть tab separated text file 2 tab separated text file . Один из них называется major а другой называется minor . Это два небольших файла:

major :

chr1    +   1071396 1271396 LOC
chr12   +   1101483 1121483 MIR200B

minor :

chr1    1071496 1071536 1
chr1    1071536 1071566 0
chr1    1073566 1073366 1
chr12   1101487 1101516 0
chr12   1101625 1101671 1

Я хочу создать новый файл из этих двух файлов. Фактически, я должен выполнить следующие шаги, чтобы получить окончательный файл:

step1 : разделите разницу между columns 3 and 4 в major файле на 100 . На этом шаге я делаю новый файл из основного файла, в котором количество строк будет в 100 раз больше, чем количество строк в основном файле. В этом новом файле будет внесено 2 изменения.

1st: columns 3 and 4 will be changed
2nd: I will add a new column called part (in this file that would be part 1 to part 100 per row in major file)



(1071396−1271396)÷100 = 2000 ----> this would be the new difference between columns 3 and 4 

chr1    +   1071396 1073396 LOC LOC_part1
chr1    +   1073396 1075396 LOC LOC_part2
.
.
.
chr1    +   1269396 1271396 LOC LOC_part100
chr12   +   1101483 1101683 MIR200B MIR200B_part1
chr12   +   1101683 1101883 MIR200B MIR200B_part2
.
.
.
chr12   +   1121283 1121483 MIR200B MIR200B_part100

Теперь этот новый файл будет играть роль основного файла для следующего шага. Я new_major это new_major .

step2 : подсчитайте количество строк в второстепенном файле, которые соответствуют каждой строке в файле new_major, в зависимости от следующих условий:

A) column 1 in minor file == column 1 in new_major
and
B) (column3 of new_major) <= (column2 of minor file) <= (column4 of new_major)
and
C)(column3 of new_major) <= (column3 of minor file) <= (column4 of new_major)

step3 : сделать окончательный файл с tab separated секцией 7 столбцами. Первые 6 столбцов будут похожи на файл new_major а `7-й столбец будет считаться с шага 2.

Ожидаемый результат будет следующим:

expected output :

chr1    +   1071396 1073396 LOC LOC_part1   2
chr1    +   1073396 1075396 LOC LOC_part2   1
.
.
.
chr1    +   1269396 1271396 LOC LOC_part100 0
chr12   +   1101483 1101683 MIR200B MIR200B_part1   2
chr12   +   1101683 1101883 MIR200B MIR200B_part2   0
.
.
.
chr12   +   1121283 1121483 MIR200B MIR200B_part100 0

Я написал следующий код, чтобы получить ожидаемый результат, но он дает ошибку. Ошибка после кода.

major = open('major.txt', 'rb')
minor = open('minor.txt', 'rb')

minor = []
for line in minor:
    minor.append(line)

major = []
for line in major:
    major.append(line)


new_major = []
for i in major:
    percent = (i[3]-i[2])/100
    for j in percent:
        new_major.append(i[0], i[1], i[2], i[2]+percent, i[4], i[4]_'part'percent[j])


new_major, minor = ([l.split() for l in d.splitlines()] for d in (new_major, minor))

for name_major, sign, low, high, note in major:
    parts = list(range(int(low), int(high) + 1, (int(high) - int(low)) // 100))
    for part, (low, high) in enumerate(zip(parts, parts[1:]), 1):
        count = sum(1 for name_minor, n1, n2, _ in minor if name_major == name_minor and all(low <= int(n) <= high for n in (n1, n2)))
        print('	'.join((name_major, sign, str(low), str(high), note, '%s_part%d' % (note, part), str(count))))

Вот ошибка, которую я получил:

>>> for name_major, sign, low, high, note in major:
...     parts = list(range(int(low), int(high) + 1, (int(high) -
int(low)) // 100))
...     for part, (low, high) in enumerate(zip(parts, parts[1:]), 1):
...         count = sum(1 for name_minor, n1, n2, _ in minor if
name_major == name_minor and all(low <= int(n) <= high for n in (n1,
n2)))
...         gg = ('	'.join((name_major, sign, str(low), str(high),
note, '%s_part%d' % (note, part), str(count))))
...
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: too many values to unpack

Вы знаете, как исправить эту проблему?

Всего 1 ответ


Я думаю, вы хотели распаковать new_major а не major который является только файловым считывателем в начале файла python.

for name_major, sign, low, high, note in new_major:

Обязательно закройте файл файлом file_object.close() чтобы освободить ресурсы.


Есть идеи?

10000