タブ区切りのファイルが 2 つあり、最初のファイルのすべての行を他のファイルのすべての行に対してテストする必要があります。例えば、
ファイル1:
row1 c1 36 345 A
row2 c3 36 9949 B
row3 c4 36 858 C
ファイル2:
row1 c1 3455 3800
row2 c3 6784 7843
row3 c3 10564 99302
row4 c5 1405 1563
col[1] が同じであれば、file1 の col[3] が file2 のどの (すべてではない) col[2] よりも小さい (file1) のすべての行を出力したいとします。
期待される出力:
row1 c1 36 345 A
row2 c3 36 9949 B
私は Ubuntu で作業しているので、入力コマンドを次のようにしたいと思います。
python code.py [file1] [file2] > [output]
次のコードを書きました。
import sys
filename1 = sys.argv[1]
filename2 = sys.argv[2]
file1 = open(filename1, 'r')
file2 = open(filename2, 'r')
done = False
for x in file1.readlines():
col = x.strip().split()
for y in file2.readlines():
col2 = y.strip().split()
if col[1] == col2[1] and col[3] < col2[2]:
done = True
break
else: continue
print x
ただし、出力は次のようになります。
row2 c3 36 9949 B
これは大規模なデータセットでは明らかですが、基本的に、ネストされたループの条件が真であった最後の行のみを常に取得します。「ブレーク」が両方のループから抜け出しているのではないかと疑っています。(1) for ループの 1 つだけから抜け出す方法と、(2) これが私がここで抱えている唯一の問題であるかどうかを知りたいです。