从blast结果中取出每个query搜到的evalue最小的结果

在做多基因blast时，通常每个基因找到的匹配序列很多。这时习惯根据evalue来进行筛选，evalue较小的其相似性更高。下面提供两种方法解决。

一 linux命令

blast的-outfmt 6格式默认最上面的比对到的evalue最小，因此可以利用awk根据第一列去重，默认会保留最上面的一条记录，即evalue最小值。

awk '!a[$1]++{print}' 1.blast > uniq.blast

二 pandas

最近在看pandas，所以拿来练手。思路也是先排序，后去重。

import pandas as pd

#将blast(-outfmt 6)输出结果保存到DataFrame
inp = pd.read_table('E:\python_test\1.blast')
inp

	query	subject	identity	align_length	mismatches	gap_opens	q_start	q_end	s_start	s_end	evalue	bit_score
0	gene1	SQ183094348	100	147	0	0	1	147	378	232	3	272
1	gene1	SQ183119192	100	66	0	0	1	66	82	147	2	122
2	gene1	SQ182140986	100	157	0	0	1	157	88	244	1	291
3	gene2	SQ183094348	100	147	0	0	1	147	378	232	3	272
4	gene2	SQ183119192	100	66	0	0	1	66	82	147	2	122
5	gene2	SQ182140986	100	157	0	0	1	157	88	244	1	291
6	gene3	SQ183094348	100	147	0	0	1	147	378	232	9	272
7	gene3	SQ183119192	100	66	0	0	1	66	82	147	8	122
8	gene3	SQ182140986	100	157	0	0	1	157	88	244	7	291

#取出每个query对应的evalue最低的subject
inp.sort_values(by=['query','evalue']).drop_duplicates(subset='query')

	query	subject	identity	align_length	mismatches	gap_opens	q_start	q_end	s_start	s_end	evalue	bit_score
2	gene1	SQ182140986	100	157	0	0	1	157	88	244	1	291
5	gene2	SQ182140986	100	157	0	0	1	157	88	244	1	291
8	gene3	SQ182140986	100	157	0	0	1	157	88	244	7	291

有可能出现gene相同，evalue相同的情况，我觉得可以在加上bit_socre和align_length进行排序，这两列为降序排列。