利用python进行数据分析（九）

第三章

3.3 文件读取与写入

5）写入文件
我们有时候需要将一些内容写入文件中：

>>>with open('out_file.txt', 'w', encoding='utf-8') as output_file:
       output_file.write('Good Good Study' + '\n')
	   output_file.write('Day Day Up!')

然后我们打开out_file.txt会看到：

Good Good Study
Day Day Up!

通过向open()方法中传入参数"w"，告诉python我们要以写入模式打开这个文件。这里有三个常用模式可以选择："r"只读模式，"w"写入模式，"a"附件模式，"r+"读取和写入。
不加这项参数的情况下，默认是以"r"只读模式打开的文件，文件不存在时会报错；
"w"写入模式让我们可以向文件中写入内容，如果文件不存在，则会创建新文件，但是若文件已存在则会先清除文件内容；
"a"附件模式则是向文件末尾加入新内容，即不影响原来已存在的内容，同样若是文件不存在，则会新建文件；
"r+"读取和写入模式，就是即可以读取，又可以写入，不会写入不会影响原文件内容。

后面的参数encoding='utf-8'，指定文件的编码方式，一般加上较保险。

然后我们通过write()方法向文件写入字符内容，需要注意的是write()方法接受的是字符串格式(<class 'str'>)，所以我们可以通过对字符串的操作来写入我们希望的内容，但要注意的是，要在每行的最后，加上换行符"\n"，否则我们希望写入的内容是不会分行的。

除了write()方法外，还有writelines()方法，它接受的是可迭代对象，即列表元组等，它将可迭代对象中的元素分别写入文件的每一行，但要注意的还是，要在每个元素后面预先加入换行符"\n"。

>>>seq = ('aaaaaa\n', 'bbbbb')
>>>with open('out_file2.txt', 'w', encoding='utf-8') as output_file2:
	   output_file2.writelines(seq)

6)seek()方法
就像我们通过光标控制在word中编辑文档的插入位置一样，python同样具有自己的"光标"——"句柄"，可以决定读取或者写入内容的位置：

>>>with open('out_file2.txt', 'r+', encoding='utf-8') as output_file2:
	   output_file.seek(0)
	   output_file.write('cccc')

seek()函数可以移动句柄位置，常用的参数有(0, 1, 2)，0-文件开头，1-当前位置，2-文件结尾。注意，当向文件中写入数据时，如果不是文件的尾部，写入位置的原有数据不会自行向后移动，新写入的数据会将文件中处于该位置的数据直接覆盖掉。所以上面的例子中，新写入的'cccc'会覆盖掉原文件中的'aaaaaa'。

要查看句柄所在位置，使用tell()方法。关于句柄我遇到的使用还不多，回头遇到使用多的情况再回来完善。

7）读取多个文件
有时候我们需要将多个文件的内容一起读取，进行统一的处理，这时候，通过将多个文件名存入一个列表中，然后遍历这个列表中的每个文件名，传入with-open语句的open()方法中，就可以对多个文件内容进行读取了。

假设我们要提取多个文件中的序列名称：

>>> name_list = ['1.faa', '2.faa', '3.faa', '4.faa']
>>>for name in name_list:
       with open(name) as seqs:
           lines4 = [x.rstrip() for x in seqs if x[0] == '>']

对这个函数进一步加工一下，有时候我们要读取的文件可能不存在，使用前面讲过的tyr-except-else来处理这种情况：

>>> name_list = ['1.faa', '2.faa', '3.faa', '4.faa']
>>>for name in name_list:
       try:
           seqs = open(name)
       except FileNotFoundError:
           msg = "The file " + name + " does not exist!"
           print(msg)
       else:
           list_names = [x.rstrip() for x in seqs if x[0] == '>']
           seqs.close()

这样，我们不仅可以将序列文件的序列名读取到列表中，python还会告诉我们哪个文件是不存在的。

微生物基因组-关于进化那些事

1，以前人们认为，16s rRNA差异大于3%，也就是基因组序列相似性小于70%，即溶解温度(Δ*T*m)大于或等于5℃即被认为是不同的种。然而这种标准正在受到挑战。因为16s rRNA的保守性，某些不同的中可能有相同或者近似的rRNA序列，而且在一些情况下，一个菌株也可能有rRNA基因上的差异。还有，单个细菌细胞内部含有多个rRNA拷贝，在少数情况下，它们有着大于5%的差异。
2，第一个基于16s rRNA的整体生命树是没有根的。因为以rRNA序列作为分析对象，没有一个类群可以延伸为种系的生命树之根。后来，科学家引入了横向同源基因等其他分析对象，才将生命分成了细菌，真核生物和古生菌，古菌和真核生物在一个树枝上。
3，随着获得的分子数据的增加，不同的基因树被构建，但当拿他们与rRNA树进行比较时，却发现有些不一致的地方，对此的一个解释是因为水平基因的转移(horizontal gene transferm HGT)。遗传信息的交换是微生物进化的一个主要因素，操纵子的形成归因为频繁的基因转移，而基因的获得通常形成基因组的孤岛，这是能使生物占据一个新的生态位的重要因素。
4，基因转移不仅限于种间，甚至能出现在域间。通过分析微生物的全基因组序列发现，HGT广的广泛性随处可见，就连管家基因也可以发生基因转移，事实上所有的基因都可以进行水平转移。
5，即使低频率的基因转移也会导致镶嵌式基因组，而不同镶嵌部分反映了不同的历史，一个分子或者基因树与生物进化之间存在的潜在差异已成为共识。
6，考虑到基因转移的情况，可靠的基因组信息只能对应于现存的微生物，并不能代表过去无限代的生物的真实情况。
7，从不同分子标记得到一致的种系发生关系，说明该物种的这些基因主要是纵向遗传，但并不是说绝对的是，因为有些情况下，水平基因转移同样具有产生一致分子种系发生的潜能。这些一致的分子种系关系并不一定反映生物的种系发生，基因组的镶嵌式特性，使得重建生物世代关系变得困难重重，在有些情况下是不可能的。
8，为了更好的重建物种间的系统发育树，使用更多的基因组信息就显得尤为重要，会在后面介绍如何构建基因全基因组的单拷贝同源序列系统发育树。