numpy matrix沒有完全轉置

Question

一般問題： 我嘗試使用matrix.T轉置一個大的numpy矩陣。使用小型測試文件時它運行良好。然而，當使用大文件時，只有前3行和後3行被轉置，但其間的行（總共〜250,000）不會被轉置並被打印爲'...'。另外，每行僅顯示第一個和最後3個核苷酸。最後，它看起來就像是：

[ 'C' 'T' 'C' ...， 'A' 'C' 'T']

[ 'C' 'T' 'A' ...， 'A' 'T' 'G']

[ 'C' 'T' 'A' ...， 'G' 'C' 'A']

...，

[ 'T' 'A' 'A' ...， 'G' 'A' 'T']

[ 'T' 'A' 'A' ...， 'C'' G''T']

[ 'C' 'G' 'T' ...， 'A' 'A' 'G']]

這是我的代碼：

import numpy as np 
with open("temp1.txt","rt") as infile: 
    matrix = np.matrix([list(line.strip()) for line in infile.readlines()]) 
    x = matrix.T 
    file_temp2.write(str(x)) 

說明： 1. temp1.txt包含約250,000個長度爲100個核苷酸的DNA序列（A，C，T和G）。 100個核苷酸後用「\ n」分隔。第一線看起來像：

CCCTAAACCCTAAACCCTAAACCCTAAACCTCTGAATCCTTAATCCCTAAATCCCTAAATCTTTAAATCCTACATCCATGAATCCCTAAATACCTAATTC TTTATGTTTGGACATTTATTGTCATTCTTACTCCTTTGTGGAAATGTTTGTTCTATCAATTTATCTTTTGTGGGAAAATTATTTAGTTGTAGGGATGAAG CAAAGTTCTTCCGCCTGATTAATTATCCATTTTACCTTTGTCGTAGATATTAGGTAATCTGTAAGTCAACTCATATACAACTCATAATTTAAAATAAAAT AAAAAAGTTGTAATTATTAATGATAGTTCTGTGATTCCTCCATGAATCACATCTGCTTGATTTTTCTTTCATAAATTTATAAGTAATACATTCTTATAAA TATATGGAAGATGTGAATGAAGTTTTGGTCCTGAATGTGGCCAAGGTTCCGTCATTTGGAGATACGAAATCAAATCTCCTTTAAGATTTTGTTTTTATAA

等

2. temp1.txt被轉換爲numpy矩陣並最終轉置，這可以使用測試文件（僅包含10個序列）正常工作。但是，在大文件中，上述提到的轉換時會出現一般問題。

？解決方案？： 你有一個想法，如何讓大文件的完整轉置矩陣最終被寫入到我temp2.​​txt作進一步的分析。

---

!!!發現的解決方案： 最後，我發現，我已經到矩陣轉換成一個列表保存之前。在寫入文件之前，我必須首先執行y = np.array（x）[0：]。tolist（）。現在它正在工作。現在，該代碼是：

import numpy as np 
    with open("temp1.txt","rt") as infile: 
    matrix = np.matrix([list(line.strip()) for line in infile.readlines()]) 
    x = matrix.T 
    y = np.array(x)[0:].tolist() 
    z = str(y).replace("], [", "\n") 
    file_temp2.write(str(z)) 

Answer 1

如果您的問題的描述是完整的，你可以嘗試這樣的事：

result = [] 
fin = open("c:/temp/temp.txt","r") 
fout = open("c:/temp/temp2.txt","w") 
for line in fin: 
    result.append(tuple(line.strip())) #break into characters 

for line in zip(*result): #transpose 
    fout.write("".join(line)) #join characters as string 
    fout.write("\n") 

Answer 2

你的問題是有效的：考慮

import numpy as np 

x = np.asmatrix(np.arange(10)) #already np.arange behaves like this 
y = np.asmatrix(np.arange(10000)) 

In [361]: str(x) 
Out[361]: '[[0 1 2 3 4 5 6 7 8 9]]' 

In [362]: str(y) 
Out[362]: '[[ 0 1 2 ..., 9997 9998 9999]]' 

更糟的是，相同的行爲與特定numpy的法numpy.array_str()遇到：

In [379]: np.array_str(np.asarray(x)) 
Out[379]: '[[0 1 2 3 4 5 6 7 8 9]]' 

In [380]: np.array_str(np.asarray(y)) 
Out[380]: '[[ 0 1 2 ..., 9997 9998 9999]]' 

我建議看着numpy.tofile()：

In [381]: x.tofile("out.txt",sep=" ") 

In [382]: y.tofile("out2.txt",sep=" ") 

你可以用它來輸出你想要的格式的字符串。將得到的文件包含（在我的情況下，數字）陣列爲純文本：

$ wc out*.txt 
    0 10000 48889 out2.txt 
    0 10 19 out.txt 

bash命令wc的上述輸出指示，在第二列中，即out.txt包含10個字，而out2.txt含有10000，因爲他們應該。目視檢查證實結果是確定的。