为新数据添加具有唯一标识符的列，但在 python 中维护以前数据的唯一标识符

Question

我有一个 tsv 文件(第 1 列 = 唯一 id，第 2 列 = 组关联(，如下所示：

BC187   1 
L1374   1
YJM1332 1
YPS128  2 
YPS606  2
YJM1273 2
UWOPS03.461.4   3 
UWOPS05.217.3   3
UWOPS05.227.2   3

基本上BC187，L1374和YJM1332都属于第1组，等等。

我生成的输出是另一个唯一个体列表，如下所示：

Y12
DBVPG604
GE14S01.7B

我可以通过以下方式将第二个列表附加到 tsv 文件中：

with open('~/clade.file.txt', 'a') as f:
divergedstrain.to_csv(f, header = False, index = False)

获取以下列表：

BC187   1 
L1374   1
YJM1332 1
YPS128  2 
YPS606  2
YJM1273 2
UWOPS03.461.4   3 
UWOPS05.217.3   3
UWOPS05.227.2   3
Y12
DBVPG604
GE14S01.7B

但是现在我需要给三个新的独特的个体(Y12，DBVPG604，GE14S01.7B(自己独特的关联，如下所示：

BC187   1 
L1374   1
YJM1332 1
YPS128  2 
YPS606  2
YJM1273 2
UWOPS03.461.4   3 
UWOPS05.217.3   3
UWOPS05.227.2   3
Y12   4 
DBVPG604   5
GE14S01.7B 6

我不确定通过 python 或 bash 做到这一点的最佳方法是什么。任何建议

Answer 1

这里有一种方法可以做到这一点：

from pandas import DataFrame as df
from pandas import read_csv
file_path = 'clade.file.txt'
divergedstrain = df(["Y12", "DBVPG604", "GE14S01.7B", "Y12"])
with open(file_path, 'a') as f:
    divergedstrain.to_csv(f, header=False, index=False)
df = read_csv(file_path, header=None, delimiter=' ', skipinitialspace=True, usecols=[0, 1])
ids = {}
for index, row in df.iterrows():
    if row[0] not in ids and row[1] == row[1]:
        ids[row[0]] = row[1]

def set_and_save(curr_row):
    if curr_row[1] != curr_row[1]:
        if curr_row[0] in ids:
            curr_row[1] = ids[curr_row[0]]
        else:
            new_id = max(ids.values()) + 1
            ids[curr_row[0]] = new_id
            curr_row[1] = new_id
    return curr_row

df = df.apply(set_and_save, axis=1)
print(df)

输出：

                0    1
0           BC187  1.0
1           L1374  1.0
2         YJM1332  1.0
3          YPS128  2.0
4          YPS606  2.0
5         YJM1273  2.0
6   UWOPS03.461.4  3.0
7   UWOPS05.217.3  3.0
8   UWOPS05.227.2  3.0
9             Y12  4.0
10       DBVPG604  5.0
11     GE14S01.7B  6.0
12            Y12  4.0