1

我有一个名为“GO_file”的列表：

GO_file = ["A_1 12", "A_2 13", "A_3 14", "A_4 12", "B_1 1", "B_2 1", "B_3 5"]

我想将其转换为：

答：12、13、14

乙：1、5

from collections import defaultdict
GO_file = ["A_1 12", "A_2 13", "A_3 14", "A_4 12", "B_1 1", "B_2 1" "B_3 5"]

GO_dict = defaultdict(list)
for GO_names in GO_file:
   gene_id = GO_names.split("_")[0]
   GO_id = GO_names.split(" ")[1:]
   GO_dict[gene_id] = GO_id
print GO_dict

但是，此代码仅附加键和一个值：

defaultdict(<type 'list'>, {'A': ['12'], 'B': ['5']})

我很感激任何建议。

4

1 回答 1

2

您的代码几乎没有问题

  1. 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)
  2. 您生成密钥和值的拆分算法有问题
  3. 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']}
于 2013-10-09T19:01:07.670 回答