python - 複数の行が 1 つの列の値を共有しています。これらの行をすべて 1 つの行にまとめるにはどうすればよいですか?

Question

次のようなテキストファイルを使用しています。

rs001 EEE /n
rs008 EEE /n
rs345 EEE /n
rs542 CHG /n
re432 CHG /n

列 2 で同じ値を共有するすべての行を 1 つの行 (たとえば、rs001 rs008 rs345 EEE) に折りたたむことができるようにしたいと考えています。UNIXテキスト処理またはPythonを使用してこれを行う簡単な方法はありますか?

ありがとう

Answer 1

#!/usr/bin/env python
from __future__ import with_statement
from itertools import groupby
with open('file','r') as f:
    # We define "it" to be an iterator, for each line
    # it yields pairs like ('rs001','EEE') 
    it=(line.strip().split() for line in f)
    # groupby does the heave work.
    # lambda p: p[1] is the keyfunction. It groups pairs according to the
    # second element, e.g. 'EEE'
    for key,group in groupby(it,lambda p: p[1]):
        # group might be something like [('rs001','EEE'),('rs008','EEE'),...]
        # key would be something like 'EEE', the value that we're grouping by.
        print('%s %s'%(' '.join([p[0] for p in group]),key))

Answer 2

1 つのオプションは、列 2 のデータをキーとする辞書を作成することです。

from collections import defaultdict  #defaultdict will save a line or two of code

d = defaultdict(list)  # goal is for d to look like {'EEE':['rs001', 'rs008', ...
for line in file('data.txt', 'r'):
    v, k = line.strip().split()
    d[k].append(v)

for k, v in d.iteritems():  # print d as the strings you want
    print ' '.join(v+[k])

このアプローチには、列 2 の用語をグループ化する必要がないという利点があります (ただし、列 2 が事前にグループ化されているかどうかは質問で直接指定されていません)。

Answer 3

ここにあなたのためのgawkがあります

$ awk '{a[$2]=a[$2]FS$1}END{for(i in a)print i,a[i]}' file
EEE  rs001 rs008 rs345
CHG  rs542 re432