1

我编写了这个野蛮的脚本来创建字符串的排列，该字符串在字符串中所有可能的位置组合中包含 n（最多 n = 4）$。我最终会.replace('$','(\\w)')用于 dna 搜索序列中的不匹配。由于我编写脚本的方式，某些排列少于请求的 $ 数量。然后我编写了一个脚本来删除它们，但它似乎并不有效，并且每次我运行删除脚本时，它都会删除更多不需要的排列。在下面粘贴的代码中，您将看到我使用一个包含 4 个不匹配的简单序列来测试该函数。然后我运行一系列删除脚本，计算每次删除了多少表达式……根据我的经验，删除所有通配符 $ 少于 4 个的表达式大约需要 8 次。我对此有几个问题：

  1. 是否有用于搜索“n”不匹配的内置函数？甚至在 biopython 中？到目前为止，我已经看到了 Paul_McGuire_regex 函数：
    Search for string allowed for one mismatch in any location of the string，
    这似乎只会产生 1 个不匹配。我必须承认，我并不完全理解该页面上剩余功能中的所有代码，因为我是一个非常新的编码器。

  2. 由于我认为这对我来说是一个很好的练习，有没有更好的方法来编写整个脚本？...我可以根据需要多次迭代 Paul_McGuire_regex 函数吗？

  3. 最让我困惑的是，为什么删除脚本第一次不能 100% 工作？

感谢您的任何帮助，您可以提供！

def Mismatch(Search,n):
    List = []
    SearchL = list(Search)
    if n > 4:
        return("Error: Maximum of 4 mismatches")
    for i in range(0,len(Search)):
        if n == 1:
            SearchL_i = list(Search)
            SearchL_i[i] = '$'
            List.append(''.join(SearchL_i))
        if n > 1:
            for j in range (0,len(Search)):
                if n == 2:
                    SearchL_j = list(Search)
                    SearchL_j[i] = '$'
                    SearchL_j[j] = '$'
                    List.append(''.join(SearchL_j))
                if n > 2:
                    for k in range(0,len(Search)):
                        if n == 3:
                            SearchL_k = list(Search)
                            SearchL_k[i] = '$'
                            SearchL_k[j] = '$'
                            SearchL_k[k] = '$'
                            List.append(''.join(SearchL_k))
                        if n > 3:
                            for l in range(0,len(Search)):
                                if n ==4:
                                    SearchL_l = list(Search)
                                    SearchL_l[i] = '$'
                                    SearchL_l[j] = '$'
                                    SearchL_l[k] = '$'
                                    SearchL_l[l] = '$'
                                    List.append(''.join(SearchL_l))
    counter=0
    for el in List:
        if el.count('$') < n:
            counter+=1
            List.remove(el)
    return(List) 

List_RE = Mismatch('abcde',4)

counter = 0
for el in List_RE:
    if el.count('$') < 4:
        List_RE.remove(el)
        counter+=1

print("Filter2="+str(counter))
4

1 回答 1

3

我们可以通过回答问题 1 来取消问题 2 和 3，但是理解问题 3 很重要，所以我将首先这样做，然后展示如何完全避免它：

问题 3

至于问题3，这是因为当您在python中循环一个列表并在循环中对其进行更改时，您循环的列表会发生变化。

来自关于控制流的python文档（用于语句部分）：

在循环中修改被迭代的序列是不安全的（这只会发生在可变序列类型上，例如列表）。

假设您的列表是[a,b,c,d]，然后使用for el in List. 说el是目前a，你做List.remove(el)。

现在，您的清单是[b,c,d]. 但是，迭代器指向列表中的第二个元素（因为它完成了第一个元素），即 now c。本质上，您已经跳过了b. 所以问题是你正在修改你正在迭代的列表。

有几种方法可以解决此问题：如果List复制成本不高，则可以制作副本。所以迭代List[:]但从List.

但是假设一直复制的成本很高List。然后你要做的是向后迭代它。请注意reversed以下内容：

for el in reversed(List):
    if el.count('$') < n:
        counter+=1
        List.remove(el)
return(List)

在上面的示例中，假设我们向后迭代List. 迭代器从 开始d，然后转到c。假设我们移除c，那么List=[a,b,d]。由于迭代器正在倒退，它现在指向元素b，所以我们没有跳过任何内容。

基本上，这避免了修改您尚未迭代的列表位。

问题 1 和 2

如果我正确理解您的问题，您基本上想n从m位置中选择m字符串 () 的长度在哪里abcde，并在每个n位置放置一个“$”。

在这种情况下，您可以使用该itertools模块来执行此操作。

import itertools
def Mismatch(Search,n):
    SearchL = list(Search)
    List     = [] # hold output
    # print list of indices to replace with '$'
    idxs = itertools.combinations(range(len(SearchL)),n)        
    # for each combination `idx` in idxs, replace str[idx] with '$':
    for idx in idxs:
        str = SearchL[:] # make a copy
        for i in idx:
            str[i]='$'
        List.append( ''.join(str) ) # convert back to string
    return List

让我们看看这是如何工作的：

  1. 将Search字符串转换为列表，以便对其进行迭代，创建空List以保存结果。

  2. idxs = itertools.combinations(range(len(SearchL)),n)说“在集合中找到所有长度为 n 的子集[0,1,2,3,...,length-of-search-string -1]。试试 

    idxs = itertools.combinations(range(5),4)
for idx in idxs: 
    print idx

    看看我的意思。

  3. 的每个元素idxs是一个从 0 到(例如. 的n索引的元组。将元组中的每个元素替换为 '$'的第 i 个字符。len(SearchL)-1(0,1,2,4)SearchLi
  4. 将结果转换回字符串并将其添加到List.

举个例子：

Mismatch('abcde',3)
['$$$de', '$$c$e', '$$cd$', '$b$$e', '$b$d$', '$bc$$', 'a$$$e', 'a$$d$', 'a$c$$', 'ab$$$']
Mismatch('abcde',4) # note, the code you had made lots of duplicates.
['$$$$e', '$$$d$', '$$c$$', '$b$$$', 'a$$$$']
于 2011-12-14T23:41:43.247 回答