无模块程序

Question

我有以下程序：from collections import Countercounter=0lst=list()fhandle=open('DNAInput.txt','r')for line in fhandle:    if line.startswith('>'):       continue    else:       lst.append(line)while counter != len(lst[0]):    lst2=list()    for word in lst:        lst2.append(word[counter])    for letter in lst2:        mc=Counter(lst).most_common(5)    counter=counter +1    print(mc)它采用以下 inout 文件：>1GATCA>2AATC>3AATA>4ACTA并打印出每个 Collin 中重复次数最多的字母。如何在没有“from collections import Counter”的情况下制作完全相同的文件

Answer 1

如果我明白你在做什么；在每一列中找到最常见的字符（？），你可以这样做：

def most_common(col, exclude_char='N'):

    col = list(filter((exclude_char).__ne__, col))

    return max(set(col), key=col.count)

sequences = []

with open('DNAinput.txt', 'r') as file:

    for line in file:

        if line[0] == '>':

            continue

        else:

            sequences.append(line.strip())

m = max([len(v) for v in sequences])

matrix = [list(v) for v in sequences]

for seq in matrix:

    seq.extend(list('N' * (m - len(seq))))

transposed_matrix = [[matrix[j][i] for j in range(len(matrix))] for i in range(m)] 

for column in transposed_matrix:

    print(most_common(column))

这通过以下方式工作：

打开您的文件并将其读入list如下所示：

# This is the `sequences` list

['GATCA', 'AATC', 'AATA', 'ACTA']

获取最长DNA序列的长度：

# m = max([len(v) for v in sequences])

5

从这些序列创建一个矩阵（列表列表）：

# matrix = [list(v) for v in sequences]

[['G', 'A', 'T', 'C', 'A'],

 ['A', 'A', 'T', 'C'],

 ['A', 'A', 'T', 'A'],

 ['A', 'C', 'T', 'A']]

填充矩阵，使所有序列的长度相同：

# for seq in matrix:

#     seq.extend(list('N' * (m - len(seq))))

[['G', 'A', 'T', 'C', 'A'],

 ['A', 'A', 'T', 'C', 'N'],

 ['A', 'A', 'T', 'A', 'N'],

 ['A', 'C', 'T', 'A', 'N']]

转置矩阵，使列移动top -> bottom（不是left -> right）。这会将来自相同位置的所有字符一起放入一个列表中。

# [[matrix[j][i] for j in range(len(matrix))] for i in range(m)]

[['G', 'A', 'A', 'A'],

 ['A', 'A', 'A', 'C'],

 ['T', 'T', 'T', 'T'],

 ['C', 'C', 'A', 'A'],

 ['A', 'N', 'N', 'N']]

最后，迭代转置矩阵中的每个列表，并most_common以子列表作为输入调用：

# for column in transposed_matrix:

#     print(most_common(column))

A

A

T

C

A

这种方法有一些注意事项；首先，如果most_common单个位置中有相同数量的核苷酸，我所包含的函数将返回第一个值（参见位置四，这可能是A或C）。此外，该most_common功能可能需要成倍的时间要比使用Counter从集合。

由于这些原因，我强烈建议使用以下脚本代替collections安装时包含在 python 中的脚本。

from collections import Counter

sequences = []

with open('DNAinput.txt', 'r') as file:

    for line in file:

        if line[0] == '>':

            continue

        else:

            sequences.append(line.strip())

m = max([len(v) for v in sequences])

matrix = [list(v) for v in sequences]

for seq in matrix:

    seq.extend(list('N' * (m - len(seq))))

transposed_matrix = [[matrix[j][i] for j in range(len(matrix))] for i in range(m)] 

for column in transposed_matrix:

    print(Counter(column).most_common(5))