本程式 功能：

將tcga資料的批量txt檔案合併成一個txt

原始的第一個txt（代表一個病人）的資料內容

合併之後的txt資料，基因名不變，只是把病人的表達量收集到一起

操作說明：

本人測試通過的執行環境：Python 2.7  Windows 7 64bit  cmd命令執行器

使用步驟：

        1.將要處理的資料txt檔案放入到11這個資料夾下面（預設的root = 'C:\\tcga\\datapro\\11'），或者將單引號' '中的路徑改成自己txt所在的資料夾的路徑（結尾沒有\\）也行

        2.放入的txt檔案建議不要超過100個，因為個數越多，讀入時消耗電腦記憶體就越大，容易卡機，測試時

        3.預設生成的txt路徑為F:/data1.txt，自己也可以修改這個路徑和檔名

        4.點Windows鍵，在搜尋欄輸入 cmd 按回車鍵，cmd將被開啟

        4.將tcga_txt.py檔案複製到安裝的Python所在的資料夾下，我的是C:\Python27（預設安裝就是這個路徑），能看到python.exe

        5.在cmd中輸入cd C:\Python27（注意有空格）按回車會進入到該目錄，然後輸入python.exe tcga_txt.py  再按回車，就開始執行程式了，可以看到寫入到輸出檔案的基因行數

        4.處理完第一批

原始碼：

  tcga_txt.py

# -*- coding:utf-8 -*-
"""
Author:Logen
Version=1.0
Email:[email protected]
測試的執行環境：Python 2.7  Windows 7 64bit 
使用說明：
        1.將要處理的資料txt檔案放入到11這個資料夾下面（預設的root = 'C:\\tcga\\datapro\\11'），或者將''中的路徑改成自己txt所在的資料夾的路徑也行
        2.放入的txt檔案建議不要超過100個，因為個數越多，讀入時消耗電腦記憶體就越大，容易卡機，測試時100個可以正常執行
        3.預設生成的txt路徑為F:/data1.txt，自己也可以修改這個路徑和檔名
        4.處理完第一批txt後，記得將生成的data1.txt改名或者的剪下到別的地方，防止第二批txt執行時生成的data1.txt將其覆蓋掉
"""
#當編寫的Python檔案即當前程式碼及註釋中含有中文或者非英文字元時，需要宣告編碼格式為utf-8
import os   #讀取txt檔案所需要的包
import linecache #讀取指定行函式linecache.getline(file_ob, line_num)所在的包

root = 'C:\\tcga\\datapro\\11'#讀取的批量txt所在的資料夾的路徑
file_names = os.listdir(root) #讀取11資料夾下所有的（520個）txt的檔名
file_ob_list = []   #定義一個列表，用來存放剛才讀取的520個txt檔名
for file_name in file_names:  #迴圈地給這520個檔名加上它前面的路徑，以得到它的具體路徑
    fileob = root + '\\' + file_name #資料夾路徑加上\\ 再加上具體要讀的的txt的檔名就定位到了這個txt
    file_ob_list.append(fileob) #將路徑追加到列表中儲存  ['C:\\tcga\\datapro\\11\\1.txt','C:\\tcga\\datapro\\11\\2.txt',。。。。]

print file_ob_list  #列印這個列表的內容到顯示屏，不想顯示的話可以去掉這句

ldata=[]
data = []
    #file_ob_list是所有檔案（比如10個txt）物件組成的列表，for用來迴圈讀取每一個檔案，讀取一個檔案的方式是一行行讀入，
    # 每次迴圈一次for就讀取所有檔案的某一行，因為這一行的第一列都是基因名稱，都是一樣的
line_num = 1  #從txt的第一行開始讀入
total_line = len(open(file_ob_list[0]).readlines()) #計算一個txt中有多少行
while line_num <= total_line:        #只有讀完的行數小於等於總行數時才再讀下一行，否則結束讀取
    for file_ob in file_ob_list:    #按順序迴圈讀取所有檔案
            line = linecache.getline(file_ob, line_num)#讀取這個檔案的第line_num行
            line = line.strip() #去掉這一行最後一個字元/n 即換行符
            if line is None or len(line) ==0 :
                break
            fields = line.split('\t')  #將這一行劃分為兩列，存放到列表中，fields是這樣的： ['ENSG00000242268.2','0.0']
            prob = fields[1]           # fields[0]是'ENSG00000242268.2'   fields[1]是'0.0'

            #這個if部分只是將表達量的10位小數點壓縮到4位，其實可以去掉這個處理
            if fields[1] != 'NA':      #基因表達量不是NA也就是為數字時，才對它進行小數點的減少處理
                prob = float(fields[1]) #將字元形式的數字如'0.0'強制轉化為浮點型（帶小數點的數字）數字0.0
                prob = '%.4f' % prob   #只保留小數點後面的4位小數

            if file_ob == file_ob_list[0] :  #如果讀的是第一個txt檔案，則將讀進去的第一列基因名和第二列表達量
                data = [fields[0], prob]     # 都加入到列表中  data=  ['ENSG00000242268.2','0.0']
            else :                          # 如果讀進去的不是第一個檔案，則跳到else執行，第一列不要，
                data.append(prob)           #只將第二列表達量追加到之前的二維陣列後面,假如這時讀的是第二個檔案的第一行
                                            # 此時fields為['ENSG00000242268.2','0.10']，則data=['ENSG00000242268.2','0.0'，'0.10']

    line_num = line_num + 1     #行數加1，好接著讀取每一個檔案的第二行
    ldata.append(data)        #將存放了所有txt的第一行資料的data，放到一個新的列表中儲存，這時ldata就是一個二維列表，ldata=[['ENSG00000242268.2','0.0'，'0.10'],[...],...]
                            #用來存放所有的（60482行，就是所有的基因名）行數
    data=[]                #清空data用來存放所有txt的下一行

f = open("F:/data1.txt", "w+")  #建立存放資料的檔案
for i,p in enumerate(ldata):    #將資料寫入檔案,i是enumerate()函式返回的ldata的某個元素p(就是一行資料，如['ENSG00000242268.2','0.0'，'0.10']從第一個開始)開始的序號（0,1,2等）
    for j,q in enumerate(p):   #讀取p（如['ENSG00000242268.2','0.0'，'0.10']）中的每一個元素
        f.write(q + "\t" )    #將這個元素寫到txt中，每寫一個加入一個“\t”（它代表excel中的一根豎線）
    print i                 #顯示一下列印到了第多少行
    f.write( "\n")         #每寫完一行，就寫入一個換行符"\n"，好使的接下來的資料寫入到第二行

f.close()  #操作完一個檔案後應該將它關閉