python:文件查询,统计fastq序列数、碱基数、GC%、MaxLength、MinLength
前面写了类似的上篇,用来处理一个样品的测序数据。这篇可以处理多个测序数据。
一、输入数据
tree rawdata
rawdata
├── CON1_R1.fastq
├── CON1_R2.fastq
├── CON2_R1.fastq
├── CON2_R2.fastq
├── CON3_R1.fastq
├── CON3_R2.fastq
├── TREAT1_R1.fastq
├── TREAT1_R2.fastq
├── TREAT2_R1.fastq
├── TREAT2_R2.fastq
├── TREAT3_R1.fastq
└── TREAT3_R2.fastq
或者
tree Clean_data/
Clean_data/
├── CON1_1.fastq
├── CON1_2.fastq
├── CON2_1.fastq
├── CON2_2.fastq
├── CON3_1.fastq
├── CON3_2.fastq
├── TREAT1_1.fastq
├── TREAT1_2.fastq
├── TREAT2_1.fastq
├── TREAT2_2.fastq
├── TREAT3_1.fastq
└── TREAT3_2.fastq
二、python3实现
2.1 思路:
1 写序列统计函数
2 读取文件名,split,获取样品名
3 re.findall确定后缀【列表排序后取后缀,保证分别是R1,R2】
4 函数处理文件
5 格式化输出
2