读取文件
import sys
fn = sys.argv[1]
fi = open(fn,'r')
chr_len = {}
for line in infos: #还可以写成for line in fi 对句柄进行迭代
line = line.strip() #取消数据两端的空格。或者两端的数据。
infos2 = line.split('\t') #分割
chr_len[infos2[0]] =int(infos2[1])
计算
简单信息:总长、条数、平均长度
n= len(chr_len)
total_len = sum(chr_len.values())
mean_len =total_len/n
最长序列
sorted(chr_len.items(),key=lambda x:x[1],reverse=True)
longest_id,longest_len = max(chr_len.items(),key=lambda x:x[1])
N50
思路,我们需要的是列表长度,先要从大到小排序,
l =chr_len.values() #所有染色体长度
l = sorted(l,reverse=True) #从大到小排序
total_len = sum(l)
n50 = 0
idx = 0 #用于存储变量n的值
cumsum = 0
for i,v in enumerate(l,start=1): #可以帮我们多迭代出当前循环的第几个元素
cumsum += v # 累加
if cumsum >= total_len*0.5:
idx = i
n50 = v
break #结束所有循环
print('N50 = {},n={}' .format(n50,idx))
def Nx0(l,x):
'''
该函数用于计算Nx0,接受两个参数:
l : 长度列表
x : N50|N60|N70...
返回两个值:
idx : Nx0 的编号
Nx0 : Nx0 的长度
'''
l = chr_len.values() #所有染色体长度
l = sorted(l,reverse=True) #从大到小排序
p = int (x[1:])/100 #x[1:]去掉Nx0中的N,int()转换为数字
total_len = sum(l)
nx0 = idx =cumsum =0
for i,v in enumerate(l,start=1): #可以帮我们多迭代出当前循环的第几个元素
cumsum += v # 累加
if cumsum >= total_len * p:
idx = i
nx0 = v
break
return idx, nx0
Nx0(chr_len.values(),'N100')
打印输出
fn = ‘Python20201122/data/TAIR10/Arabidopsis_thaliana.TAIR10.dna.toplevel.fa.fai’
fi_name = fn.split(‘/’)[-1]
print(‘stats for {}’.format(fi_name))
print(‘sum = {},n ={},ave ={},largest ={}’.format(total_len,n,mean_len,longest_id))
for n in (‘N50’, ‘N60’, ‘N70’, ‘N80’, ‘N90’, ‘N100’):
idx,nx0 = Nx0(chr_len.values(),n)
print(‘{}={},n={}’.format(n,nx0,idx))
运行程序
在Python路径来运行
直接点Source Script
把参数提取到外部
import sys
print(sys.argv) #列表 程序后的命令行存写运行程序的时候,把文件路径加到程序后就ok了。
小结
今天好累,加油,努力,明天也要充满干劲!