各行の値を2つの行の合計で除算する方法(bashをperlまたはpythonに変換)

各行の値を2つの行の合計で除算する方法(bashをperlまたはpythonに変換)

以下の人口対立遺伝子数データが​​あります。

1   0   0   0   0   0   0   0   0   0   1   2   1   0   0   0   0
0   2   0   0   0   0   0   0   0   0   0   4   0   2   0   0   0
0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0
2   2   0   0   2   1   0   0   0   0   2   4   0   0   0   2   0

列は母集団、行はSNPです。各SNPには2つの行があります(1行は各母集団の対立遺伝子「1」のコピー数を表し、1行は対立遺伝子「2」のコピー数を表します)。上の例では、1行目と2行目はSNP1の対立遺伝子1と2の数、3行目と4行目はSNP2の対立遺伝子の数であり、データセット全体でも同様です。すべての母集団について、各SNPの母集団対立遺伝子の頻度を計算したいと思います。 frequency of allele 1 at SNP1 in population 1 =Number of copies of allele 1 in population/Total number of 1+2 alleles copies in populationこれはfrequency of allele 2 at SNP1 in population 1 =Number of copies of allele a in population/Total number of 1+2 gene copies in population 、各SNPについて、各対立遺伝子のコピー数を各母集団の対立遺伝子「1」と「2」の数で割る必要があることを意味します。数字。これが私が望む結果です:

1   0   0   0   0   0   0   0   0   0   1   0.333333    1   0   0   0   0
0   1   0   0   0   0   0   0   0   0   0   0.666667    0   1   0   0   0
0   0   0   0   0   0   0   0   0   0   0   0           0   0   0   0   0
1   1   0   0   1   1   0   0   0   0   1   1           0   0   0   1   0

Rとbashソリューションがありますが、PerlまたはPythonでこの推定を実行する方法はありますか?助けてくれてありがとう。

ここにbashソリューションがあります

awk '{for(i=1; i<=NF; i++) tally[i]+=$i}; (NR%2)==1{for(i=1; i<=NF; i++) allele1[i]=$i}; (NR%2)==0{for(i=1; i<=NF; i++) allele2[i]=$i; for(i=1; i<=NF; i++) if(tally[i]==0) tally[i]=1; for(i=1; i<=NF; i++) printf allele1[i]/tally[i]"\t"; printf "\n"; for(i=1; i<=NF; i++) printf allele2[i]/tally[i]"\t"; printf "\n"; for(i=1; i<=NF; i++) tally[i]=0}' MyData | sed 's/\t$//g'

しかし、PerlやPythonに変換する方法がわかりません.>

答え1

以下は、あなたが探しているものと非常に似ている基本的なPythonソリューション(クールなサードパーティパッケージなし)です。

#!/usr/bin/env python2

# snp.py

import sys

# Get the name of the data file from the command-line
data_file = sys.argv[1]

# Read and parse the data from the text file
data = []
with open(data_file, 'r') as file_handle:
    for line in file_handle:
        data.append([float(n) for n in line.split()])

# Get the number of rows and columns
rows = len(data)
cols = len(data[0])

# Iterate over adjacent pairs of rows
for r in range(rows//2):

    # Iterate over columns
    for c in range(cols):

        # Compute the sum of the two matching entries the pair of rows
        t = data[2*r][c] + data[2*r+1][c]
        if t:

            # Divide each entry by the sum of the pair
            data[2*r][c] /= t
            data[2*r+1][c] /= t

# Convert the data array back into formatted strings and print the results
for row in data:
    print(' '.join(['{0: <8}'.format(round(x,6)) for x in row]))

それはあなたに効果がありますか?フォーマットが少しずれても調整しやすいでしょう。

関連情報