Python列表追加列表方法咨询及VCF处理代码问题排查求助

基础需求 #

需要将listB的元素追加到listA中，得到合并后的新列表：

输入示例 #

listA = [[a,b],[c,d],[e,f]]
listB = [[g,h],[i,j]]

期望输出 #

sum_list = [[a,b],[c,d],[e,f],[g,h],[i,j]]

该基础需求实现非常简单，直接用列表拼接语法即可：sum_list = listA + listB，或者直接修改listA本身：listA.extend(listB)

待排查的VCF解析代码问题 #

用户附带的VCF注释提取代码存在多处问题，具体如下：

1. 缩进错误：最外层for line in vcf_file循环下的第一行match = []没有对应缩进，和循环属于同一层级，每轮循环不会正确初始化match列表，逻辑完全混乱
2. 无意义循环：for one in GENE属于逻辑错误，GENE是提取到的单个基因名字符串，遍历会逐个取出基因名的单个字符，且每次循环都重新初始化tmp列表，最终tmp只会保留最后一次循环生成的内容，前面的全部丢失
3. 作用域错误：tmp在遍历GENE的循环内定义，循环外执行match.extend(tmp)只能拿到最后一次循环的tmp值，有效数据全部丢失
4. 场景遗漏：当前逻辑只处理了ANN字段有多个注释（即逗号分割后长度>1）的情况，单注释的记录会被直接忽略，导致数据缺失
5. 代码冗余：同一条line反复执行split('\t')、split('ANN=')操作，既降低运行效率，也容易触发索引越界异常

# 初始问题代码
for line in vcf_file:
    match = []
    CHROM = line.split('\t')[0]
    POS = line.split('\t')[1]
    REF = line.split('\t')[3]
    ALT = line.split('\t')[4]
    VEP = line.split('ANN=')[1].split('|')[1]
    ANN = line.split('ANN=')[1].split(';')[0]
    if len(ANN.split(',')) > 1 :
        for i in ANN.split(','):
            GENE, HGVS = i.split('|')[3], i.split('|')[10]
            for one in GENE:
                tmp=[]
                tmp.append(sampleNo)
                tmp.append(GENE)
                tmp.append(CHROM)
                tmp.append(POS)
                tmp.append(REF)
                tmp.append(ALT)
                tmp.append(VEP)
            match.extend(tmp)

问题解决更新 #

用户已自行调整代码修复问题，通过新增中间列表执行extend操作完成需求，最终可用代码如下：

for line in vcf_file:
    match = []
    CHROM = line.split('\t')[0]
    POS = line.split('\t')[1]
    REF = line.split('\t')[3]
    ALT = line.split('\t')[4]
    VEP = line.split('ANN=')[1].split('|')[1]
    VEP_impact = line.split('ANN=')[1].split('|')[2]
    REF_DP = line.split('\t')[9].split(':')[1].split(',')[0]
    ALT_DP = line.split('\t')[9].split(':')[1].split(',')[1]
    AF = line.split('\t')[9].split(':')[2]
    ANN = line.split('ANN=')[1].split(';')[0]
    if len(ANN.split(',')) > 1 :
        for i in ANN.split(','):
            GENE, HGVS = i.split('|')[3], i.split('|')[10]
            ann = []
            for one in GENE:
                tmp = []
                tmp.append(sampleNo)
                tmp.append(GENE)
                tmp.append(CHROM)
                tmp.append(POS)
                tmp.append(REF)
                tmp.append(ALT)
                tmp.append(VEP)
                tmp.append(VEP_impact)
                tmp.append(REF_DP)
                tmp.append(ALT_DP)
                tmp.append(AF)
            ann.extend(tmp)
        match.extend(ann)

内容的提问来源于stack exchange，提问作者union