24小时热门版块排行榜    

CyRhmU.jpeg
查看: 1433  |  回复: 9
当前只显示满足指定条件的回帖,点击这里查看本话题的所有回帖

淡蓝幽香

新虫 (初入文坛)

[求助] 程序求解:重复的相同数据用同样的代码取代

小女有如下数据,片段截取如下(每列用了制表符分隔)
Col1        Col2        Col3        Col4        Col5        Col6
1        G L        0        0        1        0
1        EL        0        0        2        0
1        (5)W S        G L        EL        2        0
1        G S        0        0        1        0
1        A S        0        0        2        0
1        (10)A D        G S        A S        2        0
1        (65)B        B D        (10)A D        2        0
1        M M K        (4)M K        (65)B        2        0

2        J K        0        0        1        0
2        A        0        0        2        0
2        P R        0        0        1        0
2        A R        0        0        2        0
2        (59)M Z J K        A        2        0
2        (30)M R        (8)A R        (19)L R        1        0

其中第一列表示组号,希望得到如下的结果:
1. 在每一组里,不带有数字的字母项,用符号表示。其中具有相同字母的项目(没有数字的字母列),用相同符号表示,如NA1,如第一行G L————NA1,第三行的G L也是NA1,但是第二行的EL为NA2
2.同一组里,带有数字的字母项,字母删除,只留下数字


自己尝试的写了下,发现,乱成了一团,紧急求助各位达人,先谢过啦!!!
回复此楼
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

淡蓝幽香

新虫 (初入文坛)

引用回帖:
2楼: Originally posted by jjdg at 2012-07-07 01:15:44
还是不太清楚你的意图

恩,就是啊,数据中第一列表示组号,每个组都希望做到以下的事情,如组一
1.有字母没有数字的项目,都替换成NAi,其中i 的取值根据情况而定. 如第一个碰见的字母组合是G L,那么自然是NA 1, 而第一行和第三行的字母相同,都是 G L,那么就用相同的NA1表示,第二行EL则用NA2表示,依次类推。

2.有字母,有数字的项目,只留下数字,不要字母。

还有哪里不清楚么?
3楼2012-07-07 05:35:57
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
查看全部 10 个回答

jjdg

版主 (知名作家)

优秀版主

还是不太清楚你的意图
努力学习!以正当途径!获得需要的知识!
2楼2012-07-07 01:15:44
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

jackie1179

木虫 (正式写手)

【答案】应助回帖

感谢参与,应助指数 +1
给你写了个perl脚本,希望能够帮到你。
用法:perl  ./pro.pl  input_file output_file
贴上代码:
#!/usr/bin/perl -w

unless(@ARGV) {
  die "Arguments not enough!$!";
}
$in = $ARGV[0];
$out = $ARGV[1];
open(IN,"$in" || die "Cannot open this file!$!";
open(OUT,">$out" || die "Cannot write to this file!$!";
undef %string;
$cnt = 0;
while( {
  chomp;
  @array = split /\t/;
  foreach $ele(@array) {
    if($ele lt '0' || $ele gt '9') {
      print $ele,"\t";
      if($ele =~ /\((\d+)\)/) {
        $ele = $1;
      } else {
        if(!defined $string{$ele}) {
         
          $cnt++;
          $string{$ele} = $cnt;
          $ele = "NA" . $cnt;
        } else {
          $ele = "NA" . $string{$ele};
        }
      
      }
      
    }
    print OUT "$ele\t";
  }
  print OUT "\n";
  
}

close IN;
close OUT;
4楼2012-07-07 10:08:13
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

xioooli

金虫 (小有名气)

【答案】应助回帖

感谢参与,应助指数 +1
好吧,来个python版的,使用:
python2 /path/to/your/datafile
CODE:
import sys, re
d = {}
l = []
n = 1
regx0 = re.compile(r'\(([0-9]+)\)[A-Z]+')
regx1 = re.compile(r'[A-Z]+')
repl = lambda g: g.groups()[0]
for line in open(sys.argv[1], 'r'):
    tmpl = []
    if line.startswith('Col'):
        l.append(line.strip())
        continue
    line = regx0.sub(repl, line)
    for i in line.strip().split('\t'):
        if regx1.match(i):
            if not i in d.keys():
                d[i] = 'NA%s' %n
                n += 1
            tmpl.append(d[i])
        else:
            tmpl.append(i)
    l.append('\t'.join(tmpl))
print '\n'.join(l)

5楼2012-07-07 11:10:28
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
信息提示
请填处理意见