2021-03-17 在linux上将vcf文件转plink的格式bed,bim,fam
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了2021-03-17 在linux上将vcf文件转plink的格式bed,bim,fam相关的知识,希望对你有一定的参考价值。
参考技术A 我现在的问题是这样的vcf文件转plink的格式
方法一
vcftools
出错这样
方法二plink
都是一样的结果
就无语
之前我的文件有这些
现在是这些
然后看到了这些
然后发现文件又是临时文件
说明又出错了
所以,现在或许又要解决那一行的无效染色体
然后我就使用了--allow-extra-chr
哈,又回到了最初的起点
可是我看意思,plink2不应该有这个问题啊
应该是 --vcf-half-call的格式不对
然后换回plink1
重看官网
以及 https://www.jianshu.com/p/38e603979334?utm_campaign=maleskine&utm_content=note&utm_medium=seo_notes&utm_source=recommendation
发现格式
发现原来是因为少了空格
终于成功,哭了
https://www.jianshu.com/p/dc82fcbe3cda 然后意识到自己搜索关键词有问题
这回终于对了
但问题是第一种转的,不知道应该是哪一种
手机联系人批量导入(字符编码xls转vcf)
一、前言
单位同事每人都办理了一个192新手机号,一打过来不知道是谁,又懒的一个个保存姓名。一想是不是可以批量导入呢?电子表格号码名单我有啊,试试吧。
二、实践
1.先下载手机联系人文件看看吧。在手机联系人设置中有个导出选项(华为手机为例):
导出文件为00001.vcf,用文本编辑强行打开,是一个个卡片:
2.下载VCF编辑软件试试。
这一款(A款),居然打不开vcf文件,不咋地。
这一款(B款),可以读出vcf文件,只能读50个,要注册收费,麻烦;电子表格转成vcf文件后,不能正常导入手机(没有ENCODING=QUOTED-PRINTABLE转换,3.0版),不咋地。
3.折腾
问题还没解决啊(同时,还整了另外一款转换的也没弄成),在A款(名字叫VCF通讯录编辑器)手动输入2个姓名电话试试,将那个contacts.vcf文件导入手机,可以。
也就是说,只要把电子表格文件导入就解决问题了,出了意外:
导入、导出都无法完成,什么鬼气,Excel版本问题?不管了,导出Access文件试试,可以。
Access文件类型mdb,数据库文件,启动Access2007,打开联系人那张表,把电子表格里的姓名、电话号码复制粘贴到对应字段后保存(在Access里面,通过导入xls重新生存一张新表,在VCF通讯录编辑器导入时也会出错,NND没时间研究)。
返回VCF通讯录编辑器,再通过导入Access文件,可以了,保存通讯录。
contacts.vcf文件通过微信传手机,选择联系人打开文件,点击导入VCF文件,成功。
三、思考
VCF格式文件,文本可见,应该是很单纯的,怎么这么难搞。
这个UID要不要不影响。
这几项(单位地址、家庭地址、公司等)也不重要。
这个图片项,太大了,最好是不要。
这里面,除了电话号码外,最重要的一句就是这句了:N;CHARSET=UTF-8;ENCODING=QUOTED-PRINTABLE:;=E9=83=90=AF=E6=38;
quoted-printable编码
可译为“可打印字符引用编码”,在Python里操作认识一下:
>>> import quopri
>>> s='你好'
>>> type(s)
<class 'str'>
>>> b=s.encode()
>>> type(b)
<class 'bytes'>
>>> qe=quopri.encodestring(b)
>>> type(qe)
<class 'bytes'>
>>> qe
b'=E4=BD=A0=E5=A5=BD' #一个汉字转3字节utf8编码,分别用“=”分开
>>> s='hello'
>>> b=s.encode()
>>> qe=quopri.encodestring(b)
>>> qe
b'hello' #ASC字符字母无变化
>>> s=' ' #Tab键
>>> b=s.encode()
>>> qe=quopri.encodestring(b)
>>> qe
b'=09' #Tab键的qp码
>>> s='='
>>> b=s.encode()
>>> qe=quopri.encodestring(b)
>>> qe
b'=3D' #等号的qp码
>>> s=' '#空格
>>> b=s.encode()
>>> qe=quopri.encodestring(b)
>>> qe #空格的qp码
b'=20'
>>> s='`~!@#$%^&*()+'#其他字符
>>> b=s.encode()
>>> qe=quopri.encodestring(b)
>>> qe
b'`~!@#$%^&*()+' #其他字符的qp码无变化
>>> s='你好hello我很好=好=GOOD'
>>> b=s.encode()
>>> qe=quopri.encodestring(b)
>>> qe
b'=E4=BD=A0=E5=A5=BDhello=E6=88=91=E5=BE=88=E5=A5=BD=3D=E5=A5=BD=3DGOOD'
>>> #混合字符样式qp码
字符的编码类型除了utf-8,还有(一)GB系列:
>> b=s.encode('gb2312') >>> b
b'\\xc4\\xe3\\xba\\xc3'
>>> b=s.encode('gbk') >>> b #cp936好象跟GBK差不多
b'\\xc4\\xe3\\xba\\xc3'
>>> b=s.encode('gb18030') >>> b
b'\\xc4\\xe3\\xba\\xc3'
相关补充(来自网络):
GB2312(1980年)一共收录了7445个字符,汉字区的内码范围高字节从B0-F7,低字节从A1-FE。
1995年的汉字扩展规范GBK1.0收录了21886个符号。
2000年的 GB18030是取代GBK1.0的正式国家标准。该标准收录了27484个汉字,同时还收录了藏文、蒙文、维吾尔文等主要的少数民族文字。现在的PC平 台必须支持GB18030,对嵌入式产品暂不作要求。所以手机、MP3一般只支持GB2312。
从ASCII、 GB2312、GBK到GB18030,这些编码方法是向下兼容的,即同一个字符在这些方案中总是有相同的编码,后面的标准支持更多的字符。在这些编码 中,英文和中文可以统一地处理。区分中文编码的方法是高字节的最高位不为0。按照程序员的称呼,GB2312、GBK到GB18030都属于双字节字符集 (DBCS)。
(二)U系列:
>>> s='你好'
>>> b=s.encode('unicode_escape')
>>> b
b'\\\\u4f60\\\\u597d'
>>>len(b)
12 #一个汉字6字节
>>> b[0]
92 #返回“\\”的ascii值
>>> b[1]
117 #返回“u”的ascii值,后面类似
>>> bin(b[1])
'0b1110101' #字符u的ascii
>>> b[1].bit_length()
7 #二进制长度7
>>> type(b[1])
<class 'int'> #python数据类型:整数型
>>> b[1].to_bytes(1,"big")
b'u' #返回ascii代码
相关补充(来自网络):
Unicode 也是一种字符编码方法,不过它是由国际组织设计,可以容纳全世界所有语言文字的编码方案。Unicode的学名是"Universal Multiple-Octet Coded Character Set",简称为UCS。而Unicode只与ASCII兼容,与GB码不兼容。例如“你”字的Unicode编码是4f60,而GB码是c4e3。
UCS有两种格式:UCS-2和UCS-4。顾名思义,UCS-2就是用两个字节编码,UCS-4就是用4个字节(实际上只用了31位,最高位必须为0)编码。UCS-2有2^16=65536个码位,UCS-4有2^31=2147483648个码位。
怎样传输这些编码,是由UTF(UCS Transformation Format)规范规定的,常见的UTF规范包括UTF-8、UTF-7、UTF-16、UTF-32。
>>> b=s.encode('utf8') #默认,可省:b=s.encode()
>>> b
b'\\xe4\\xbd\\xa0\\xe5\\xa5\\xbd' #utf8编码:一个汉字3字节,每字节长度为8
>>> b[0]
228
>>> b[0].bit_length()
8
>>> bin(b[0])
'0b11100100'
>>> b[0].to_bytes(1,'big')
b'\\xe4'
b=s.encode('utf-16') >>> b #utf16编码:一个汉字4字节,两个6,三个8
b'\\xff\\xfe`OY'
>>> b=s.encode('utf-32') >>> b #utf32编码:一个汉字8字节,两个12,三个16
b'\\xff\\xfe\\x00\\x00`O\\x00\\x00Y\\x00\\x00'
>>> b=s.encode('utf7') >>> b
b'+T2BZfQ-' #utf7编码:一个汉字5字节,两个8,三个10,四个13,,332递增型
(三)其他:
>>> s='你好'
>>> b=s.encode('big5')
>>> len(b)
4
>>> b
b'\\xa7A\\xa6n' #BIG5编码:一个汉字2字节,长:前8后7
>>> b[0].bit_length()
8
>>> b[1].bit_length()
7
相关补充(来自网络):
UTF-8编码字节含义
- 对于UTF-8编码中的任意字节B,如果B的第一位为0,则B独立的表示一个字符(ASCII码);
- 如果B的第一位为1,第二位为0,则B为一个多字节字符中的一个字节(非ASCII字符);
- 如果B的前两位为1,第三位为0,则B为两个字节表示的字符中的第一个字节;
- 如果B的前三位为1,第四位为0,则B为三个字节表示的字符中的第一个字节;
- 如果B的前四位为1,第五位为0,则B为四个字节表示的字符中的第一个字节;
utf-8汉字编码3字节模板了:1110xxxx 10xxxxxx 10xxxxxx。
例如“汉”字的Unicode编码是6C49。6C49在0800-FFFF之间,将6C49写成二进制是:0110 110001 001001, 用这个比特流依次代替模板中的x,得到:11100110 10110001 10001001,即E6 B1 89。三字节编码从“E”开始。
四、代码实现
1.先来个操作界面。就用TKinter。
部分代码如下:
from tkinter import *
from tkinter import filedialog
import os
import openpyxl
root= Tk()
root.title('电子表格转vcf(qq:35386940)')
root.geometry('640x500') # 这里的乘号不是 * ,而是小写英文字母 x
root.resizable(False,False)#固定窗口大小
def run_xls2vcf():
pass
return
#添加按钮
btn21 = Button(root, text='xlsx → vcf', command=run_xls2vcf)#添加按钮
btn21.place(relx=0.7, rely=0.05, relwidth=0.2, relheight=0.1)#放置位子:百分比
#设置文本框
txt=Text(root)#设置文本框
txt.insert('end','Hello!(Ctrl+C复制)')
txt.pack(padx=3,pady=103)#边缘点距
root.mainloop()
2.读取xlsx文件
(待加)
以上是关于2021-03-17 在linux上将vcf文件转plink的格式bed,bim,fam的主要内容,如果未能解决你的问题,请参考以下文章