Skip to main content
2 / 3
本文に 422 文字追加
kunif
  • 1.8万
  • 3
  • 18
  • 28

こんな感じで、基本のライブラリと pandas を使って実現できるでしょう。

import sys
import os
import pandas as pd

# ファイル読み取り&コメント削除(有効なデータの中に'#'は無いものと仮定)
lines = []
with open('test.vcf','r') as file:
    alltext = file.readlines()
    for line in alltext:
        str = line.strip().split('#')  # 行の前後の空白を削除し、'#'で分割
        if str[0]:                     # コメントでは無い部分だけリスト化
            lines.append(str[0])

# 各行のタブで区切った最初のデータをリスト化
count = []
for line in lines:
    a = line.split('\t')
    count.append(a[0])

# データの出現回数をカウントしてDataFrame化
s = pd.Series(count)
vc = pd.value_counts(s)
df = vc.rename_axis('CHR').to_frame('counts')

# データ文字列の最大長を取得
idx = list(df.index)
n = len(max(idx, key=len))

# 数値データを抽出し、右寄せしてソート
dfnum = df.query('CHR.str.isnumeric()', engine='python')
dfnum = dfnum.rename(index=lambda s: s.rjust(n))
dfnum = dfnum.sort_index()

# 文字列データを抽出し、右寄せしてソート
dfstr = df.query('not CHR.str.isnumeric()', engine='python')
dfstr = dfstr.rename(index=lambda s: s.rjust(n))
dfstr = dfstr.sort_index()

# 数値・文字列のDataFrameを連結
dfall = pd.concat([dfnum, dfstr])

# 結果表示
print(dfall)

検索したら、.vcf ファイル等を扱うライブラリがあるようですので、そちらを使うのもアリかもしれません。

cyvcf2 / pysam / PyVCF

cyvcf2: fast, flexible variant analysis with Python

他に古そうですがこんなまとめページも。
Python の基礎とバイオインフォマティクス Python 3.4

kunif
  • 1.8万
  • 3
  • 18
  • 28