您的代码几乎没有问题
- 您的 GO_ID 中有重复项,您似乎只关心唯一性。所以你需要一个
defaultdict(set)
而不是defaultdict(list)
- 您生成密钥和值的拆分算法有问题
GO_dict[gene_id] = GO_id
, 只是将最后一个值分配给 dict 而不是附加它。
一个可能的更正解决方案
>>> GO_dict = defaultdict(set)
>>> for GO_names in GO_file:
gene_id,_,GO_id = GO_names.partition(" ")
gene_id = gene_id.split("_")[0]
GO_dict[gene_id].add(GO_id)
>>> print GO_dict
defaultdict(<type 'set'>, {'A': set(['13', '12', '14']), 'B': set(['1', '5'])})
上述代码的一个可能问题是,不能保证元素的顺序。不幸的是,默认库不提供OrderedSet
,但我们可以轻松自定义OrderedDict
以满足我们的目的
>>> GO_dict = defaultdict(OrderedDict)
>>> for GO_names in GO_file:
gene_id,_,GO_id = GO_names.partition(" ")
gene_id = gene_id.split("_")[0]
GO_dict[gene_id][GO_id] = None
>>> OrderedDict([('A', ['12', '13', '14']), ('B', ['1', '5'])])
OrderedDict([('A', ['12', '13', '14']), ('B', ['1', '5'])])
但
我相信在某些情况下,itertools
解决方案比使用更优雅defaultdict
>>> from itertools import groupby
>>> from operator import itemgetter
>>> GO_file_kv = [(key.split("_")[0], value)
for key, value in (elem.split(" ") for elem in GO_file)]
>>> {key: OrderedDict.fromkeys([e for _, e in value]).keys()
for key, value in groupby(sorted(GO_file_kv, key=itemgetter(0)),
key=itemgetter(0))
}
{'A': ['12', '13', '14'], 'B': ['1', '5']}