数据去除overlap

biobaby

谢谢大家意见现已更改：各位大神好，我这里有一个文件是基因组的位置信息，现在想要去重，想要求助。文件格式如下：

chr      position1  position2   name   pvalue

chr1    100    120    peak1   0.001
chr1     98      105   peak2   0.0001
chr1     115    139   peak3    0.004
chr1     120    140   peak4    0.01
chr1      34     55     peak5    0.002

去重规则为：首先按照第五列从小到大，然后从第一行开始，只要后边有和他重叠的则把后边丢弃。然后再第二行，同理后边有重叠的删掉。依次类推。

最后需要得到：
chr1     98      105   peak2   0.0001
chr1      34     55     peak5    0.002
chr1     115    139   peak3    0.004



谢谢大家

chengchow

这里都是搞计算机的，不懂什么显著和不显著，直接说你需要什么样的输出

aaaa_123

题主重新组织语言，绕口令说的太复杂了，
直接举例样式需求最好

ll104567

1.10号的不知道你还能看到不，先上代码
root@lp:~/jw/python/data# cat gene_deal.py
import pandas as pd

####   file name gene.txt
filename = 'gene.txt'

a = pd.read_csv(filename,sep='\s+',engine='python')
a.sort_values('pvalue',inplace=True)
a.to_csv('gene.csv',header=None,index=None)

x = []
with open('gene.csv') as f:
    for i in f:
        i = i.strip()
        x.append(i.split(','))

already_exist = []
result = []
for i in x:
    start = int(i[1])
    stop = int(i[2])
    if start not in already_exist and stop not in already_exist:
        already_exist.extend(range(start,stop+1))
        result.append(i)

###print
for i in result:
    print('\t'.join(i))

ll104567

ll104567

需要pandas，其实也就是一个排序，用pandas比较顺手，有任何问题可以加我qq：1045670921，最近正好在看数据分析的东西