本程序 功能：
将tcga数据的批量txt文件合并成一个txt
原始的第一个txt（代表一个病人）的数据内容
合并之后的txt数据，基因名不变，只是把病人的表达量收集到一起
操作说明：
本人测试通过的运行环境：Python 2.7 Windows 7 64bit cmd命令运行器
使用步骤：
1.将要处理的数据txt文件放入到11这个文件夹下面（默认的root = 'C:\\tcga\\datapro\\11'），或者将单引号' '中的路径改成自己txt所在的文件夹的路径（结尾没有\\）也行
2.放入的txt文件建议不要超过100个，因为个数越多，读入时消耗电脑内存就越大，容易卡机，测试时100个可以正常运行
3.默认生成的txt路径为F:/data1.txt，自己也可以修改这个路径和文件名
4.点Windows键，在搜索栏输入 cmd 按回车键，cmd将被打开
4.将tcga_txt.py文件复制到安装的Python所在的文件夹下，我的是C:\Python27（默认安装就是这个路径），能看到python.exe
5.在cmd中输入cd C:\Python27（注意有空格）按回车会进入到该目录，然后输入python.exe tcga_txt.py 再按回车，就开始执行程序了，可以看到写入到输出文件的基因行数
4.处理完第一批txt后，记得将生成的data1.txt改名或者的剪切到别的地方，防止第二批txt运行时生成的data1.txt将其覆盖掉
源码：
tcga_txt.py
# -*- coding:utf-8 -*-
"""
Author:Logen
Version=1.0
Email:iin729@163.com
测试的运行环境：Python 2.7 Windows 7 64bit
使用说明：
1.将要处理的数据txt文件放入到11这个文件夹下面（默认的root = 'C:\\tcga\\datapro\\11'），或者将''中的路径改成自己txt所在的文件夹的路径也行
2.放入的txt文件建议不要超过100个，因为个数越多，读入时消耗电脑内存就越大，容易卡机，测试时100个可以正常运行
3.默认生成的txt路径为F:/data1.txt，自己也可以修改这个路径和文件名
4.处理完第一批txt后，记得将生成的data1.txt改名或者的剪切到别的地方，防止第二批txt运行时生成的data1.txt将其覆盖掉
"""
#当编写的Python文件即当前代码及注释中含有中文或者非英文字符时，需要声明编码格式为utf-8
import os #读取txt文件所需要的包
import linecache #读取指定行函数linecache.getline(file_ob, line_num)所在的包
root = 'C:\\tcga\\datapro\\11'#读取的批量txt所在的文件夹的路径
file_names = os.listdir(root) #读取11文件夹下所有的（520个）txt的文件名
file_ob_list = [] #定义一个列表，用来存放刚才读取的520个txt文件名
for file_name in file_names: #循环地给这520个文件名加上它前面的路径，以得到它的具体路径
fileob = root + '\\' + file_name #文件夹路径加上\\ 再加上具体要读的的txt的文件名就定位到了这个txt
file_ob_list.append(fileob) #将路径追加到列表中存储 ['C:\\tcga\\datapro\\11\\1.txt','C:\\tcga\\datapro\\11\\2.txt',。。。。]
print file_ob_list #打印这个列表的内容到显示屏，不想显示的话可以去掉这句
ldata=[]
data = []
#file_ob_list是所有文件（比如10个txt）对象组成的列表，for用来循环读取每一个文件，读取一个文件的方式是一行行读入，
# 每次循环一次for就读取所有文件的某一行，因为这一行的第一列都是基因名称，都是一样的
line_num = 1 #从txt的第一行开始读入
total_line = len(open(file_ob_list[0]).readlines()) #计算一个txt中有多少行
while line_num <= total_line: #只有读完的行数小于等于总行数时才再读下一行，否则结束读取
for file_ob in file_ob_list: #按顺序循环读取所有文件
line = linecache.getline(file_ob, line_num)#读取这个文件的第line_num行
line = line.strip() #去掉这一行最后一个字符/n 即换行符
if line is None or len(line) ==0 :
break
fields = line.split('\t') #将这一行划分为两列，存放到列表中，fields是这样的： ['ENSG00000242268.2','0.0']
prob = fields[1] # fields[0]是'ENSG00000242268.2' fields[1]是'0.0'
#这个if部分只是将表达量的10位小数点压缩到4位，其实可以去掉这个处理
if fields[1] != 'NA': #基因表达量不是NA也就是为数字时，才对它进行小数点的减少处理
prob = float(fields[1]) #将字符形式的数字如'0.0'强制转化为浮点型（带小数点的数字）数字0.0
prob = '%.4f' % prob #只保留小数点后面的4位小数
if file_ob == file_ob_list[0] : #如果读的是第一个txt文件，则将读进去的第一列基因名和第二列表达量
data = [fields[0], prob] # 都加入到列表中 data= ['ENSG00000242268.2','0.0']
else : # 如果读进去的不是第一个文件，则跳到else执行，第一列不要，
data.append(prob) #只将第二列表达量追加到之前的二维数组后面,假如这时读的是第二个文件的第一行
# 此时fields为['ENSG00000242268.2','0.10']，则data=['ENSG00000242268.2','0.0'，'0.10']
line_num = line_num + 1 #行数加1，好接着读取每一个文件的第二行
ldata.append(data) #将存放了所有txt的第一行数据的data，放到一个新的列表中保存，这时ldata就是一个二维列表，ldata=[['ENSG00000242268.2','0.0'，'0.10'],[...],...]
#用来存放所有的（60482行，就是所有的基因名）行数
data=[] #清空data用来存放所有txt的下一行
f = open("F:/data1.txt", "w+") #创建存放数据的文件
for i,p in enumerate(ldata): #将数据写入文件,i是enumerate()函数返回的ldata的某个元素p(就是一行数据，如['ENSG00000242268.2','0.0'，'0.10']从第一个开始)开始的序号（0,1,2等）
for j,q in enumerate(p): #读取p（如['ENSG00000242268.2','0.0'，'0.10']）中的每一个元素
f.write(q + "\t" ) #将这个元素写到txt中，每写一个加入一个“\t”（它代表excel中的一根竖线）
print i #显示一下打印到了第多少行
f.write( "\n") #每写完一行，就写入一个换行符"\n"，好使的接下来的数据写入到第二行
f.close() #操作完一个文件后应该将它关闭