parse pe fastq file use python

github看了业界大神li heng序列解析的脚本readfq，智商着急啊，没看懂，倒是新学了一个新功能，python生成器yield。

readfq.py适用于fasta或者单端fastq文件，但是目前测序主要以双端数据为主，现学现卖，实现了一个paried-end数据解析器，代码如下：

#!/usr/bin/env python
# --*-- coding:utf-8 --*--

import os
import sys
import gzip

def parse_pe_fastq(fastq1,fastq2,phred=33):
    from numpy import fromstring,byte
    while True:
        name1 = fastq1.readline().partition(' ')[0]
        name2 = fastq2.readline().partition(' ')[0]
        if not name1 or not name2:
            break
        read1, nothing1, qual1 = fq1.readline()[:-1], fq1.readline(), fq1.readline()[:-1]
        read2, nothing2, qual2 = fq2.readline()[:-1], fq2.readline(), fq2.readline()[:-1]
        qual1 = fromstring(qual1,dtype=byte)-phred
        qual2 = fromstring(qual2,dtype=byte)-phred
        assert name1 == name2, 'fastq1, fastq2 is not paired-end'
        yield name1, read1, read2, qual1, qual2

if __name__ == '__main__':
    fq1 = gzip.open(sys.argv[1],'r')
    fq1 = gzip.open(sys.argv[2],'r')
    for i in parse_pe_fastq(fq1, fq2):
        name, seq1, seq2, qua1, qua2 = i
        # filter, stat, split

通过while循环遍历双端文件，四行为一个单元进行数据读取，每四行作为一个完整单元返回（yeild），进行其他操作（# filter, stat, split）， 一个操作结束后迭代器（parse_pe_fastq）继续解析测序数据，for循环中qua1作为一个numpy.ndarray对象，可进行其他一些q20统计、过滤等操作。