4

我有一张像下面这样的表格，想计算存在的不同因素组合。例如，所有人都在场的次数（1 表示存在，0 表示不存在）。第一时间不存在但休息存在，第二时间不存在但其他时间存在，以及双打和三打不存在且休息存在。

在 shell 中，检查所有人都存在的时间非常简单

awk '{if (($2 == 1) && ($3==1) && ($4==1) && ($5==1) && ($6==1)) 打印 $1}'ALL_Freq_motif_AE_Uper

但问题是计算所有可能的组合。

该表如下所示：

CEBP    HEB     TAL1    RUNX1   SPI1
1       1       1       1       1
0       1       1       1       1
1       1       0       0       1
1       1       1       1       0
0       0       0       1       1

现在从这张表中产生了不同的组合

1 个组合，所有都存在。
2 第一个缺席，所有其他人都在
3 最后一个缺席，但其他人在场
4 第三和第四人缺席，但其他人在场
5 前三个人缺席，但其他人在场。

在像这样具有固定列数和 n 行数的表中，我如何计算存在和不存在的这些组合？

请帮忙。

谢谢

4

3 回答 3

4

假设它data包含您的数据，这可以完成这项工作：

with open("data") as f:
        lines=[line.strip().split() for line in f]
combinations={}
for combination in lines[1:]:
        key=", ".join([lines[0][i]
                for i in xrange(len(combination))
                if combination[i] != '0'])
        combinations[key]=combinations.setdefault(key, 0)+1
for key, value in combinations.iteritems():
        print value, '\t', key

或者，使用集合模块：

import collections

with open("data") as f:
        lines=[line.strip().split() for line in f]

combinations=collections.Counter(
        ", ".join(lines[0][i]
                for i in xrange(len(combination))
                        if combination[i] != '0')
                for combination in lines[1:])

for key, value in combinations.iteritems():
        print value, '\t', key

编辑：另一个版本使用生成器表达式节省资源

import collections

with open("data") as f:
        lines=(line.strip().split() for line in f)
        header=next(lines)
        combinations=collections.Counter(
                ", ".join(header[i]
                        for i in xrange(len(combination))
                                if combination[i] != '0')
                        for combination in lines)
        for key, value in combinations.iteritems():
                print value, '\t', key

我确信这可以改进。

于 2012-08-08T12:08:07.977 回答
3

一个 Perl 程序，将所有组合视为二进制数。我重复了几行以确保计数有效。

use strict;
use warnings;
use Bit::Vector;

# CEBP       HEB     TAL1      RUNX1   SPI1
my @factors = (
    [1,      1,       1,       1,       1],
    [1,      1,       1,       1,       1],
    [1,      1,       1,       1,       1],
    [0,      1,       1,       1,       1],
    [1,      1,       0,       0,       1],
    [1,      1,       1,       1,       0],
    [0,      0,       0,       1,       1],
    [0,      0,       0,       1,       1],
    [0,      0,       0,       1,       1],
);

my %combo;

for my $row (@factors) {
    my $v = Bit::Vector->new_Bin(32, join('', @$row))->to_Dec;
    $combo{$v}++;
}

for my $v (sort keys %combo) {
    printf "Result: %3d  %5s Count: %d\n", 
        $v, 
        Bit::Vector->new_Dec(5, $v)->to_Bin,
        $combo{$v}
    ;
}

输出：

Result:  15  01111 Count: 1
Result:  25  11001 Count: 1
Result:   3  00011 Count: 3
Result:  30  11110 Count: 1
Result:  31  11111 Count: 3
于 2012-08-08T12:47:04.077 回答
2

比 hochi 的解决方案更长，但它的工作原理可能更清楚：

with open("data") as f:
    next(f)    # Skip header row
    lines=[[int(n) for n in x.strip().split()] for x in f if x.strip()]


count = 0
for row in lines:
    if all(row):
        count += 1
print "All present:", count

count = 0
for row in lines:
    if (not row[0]) and all(row[1:]):
        count += 1
print "All except first column are 1:", count

我不会做所有的情况，但这应该给你的想法。

于 2012-08-08T12:21:58.777 回答