python：遍历动态列表

Question

我要从一组序列（字符串）中生成一个子集字典，其中每个序列都代表一个键，并且值应该是在“ match”（例如1）位置最多匹配的所有序列，都与原始序列（键），以及当时子集中的所有值条目。

例如，考虑由“ A”，“ C”，“ G”和“ T”组成的所有长度为3的序列，其中一个键值对应该是（或者可以是，因为有更多可能的方法来选择一套）。

这是我想出的定义：

def pick(seq,superset):
    subset = [seq]
    for seq in subset:
        count = 0
        for item in superset:
            if len([i for i, j in zip(list(seq),list(item)) if i==j])==match:
                count += 1
                if len(subset)==count:
                    subset += [''.join(item)]
    return subset

我得到的是：

{'AAA': ['AAA', 'ACC', 'ACG', 'ACT', 'AGC', 'AGG', 'AGT', 'ATC', 'ATG', 'ATT', 'CAC', 'CAG',
'CAT', 'CCA', 'CGA', 'CTA', 'GAC', 'GAG', 'GAT', 'GCA', 'GGA', 'GTA', 'TAC', 'TAG', 'TAT',
'TCA', 'TGA', 'TTA']}

我想要的是：

{'AAA': ['CCC','GGG','TTT','ACG','CGT','GTA','TAC']}

我遇到的问题是，我现在只生成一个子集，其中值与键的匹配不超过一个位置，但是值序列的确与该子集中的其他值具有多个特定匹配的位置。 有人对此问题有解决方案吗？

Answer 1

我解释你的问题是“我想在所有项目的列表superset有介于0和match匹配字符seq 。但现在我的函数返回恰好持有的所有项目的列表match匹配的字符。还返回列表的第一个元素等于seq ，我不希望这样。”

发生第一个问题是因为在与匹配进行比较时使用“ ==”，而不是“ <=”。 发生第二个问题是因为即使您不需要将subset初始化为包含seq 。 也不需要两个for循环。 另外，在将项目添加到列表时，请考虑使用append而不是+= ，因为它几乎总是更有效。

def pick(seq,superset,match):
    subset = []
    for item in superset:
        if len([i for i, j in zip(list(seq),list(item)) if i==j])<=match:
            subset.append(''.join(item))
    return subset

superset = [
    'GGG', 'GGC', 'GGA', 'GGT', 'GCG', 'GCC', 'GCA', 'GCT', 'GAG', 'GAC', 'GAA', 'GAT', 'GTG', 'GTC', 'GTA', 'GTT', 
    'CGG', 'CGC', 'CGA', 'CGT', 'CCG', 'CCC', 'CCA', 'CCT', 'CAG', 'CAC', 'CAA', 'CAT', 'CTG', 'CTC', 'CTA', 'CTT', 
    'AGG', 'AGC', 'AGA', 'AGT', 'ACG', 'ACC', 'ACA', 'ACT', 'AAG', 'AAC', 'AAA', 'AAT', 'ATG', 'ATC', 'ATA', 'ATT', 
    'TGG', 'TGC', 'TGA', 'TGT', 'TCG', 'TCC', 'TCA', 'TCT', 'TAG', 'TAC', 'TAA', 'TAT', 'TTG', 'TTC', 'TTA', 'TTT'
]

seq = "AAA"

print pick(seq, superset, 1)

结果（为清楚起见，我添加了换行符）：

['GGG', 'GGC', 'GGA', 'GGT', 'GCG', 'GCC', 'GCA', 'GCT', 'GAG', 'GAC', 'GAT', 'GTG', 'GTC', 'GTA', 'GTT', 
'CGG', 'CGC', 'CGA', 'CGT', 'CCG', 'CCC', 'CCA', 'CCT', 'CAG', 'CAC', 'CAT', 'CTG', 'CTC', 'CTA', 'CTT', 
'AGG', 'AGC', 'AGT', 'ACG', 'ACC', 'ACT', 'ATG', 'ATC', 'ATT', 
'TGG', 'TGC', 'TGA', 'TGT', 'TCG', 'TCC', 'TCA', 'TCT', 'TAG', 'TAC', 'TAT', 'TTG', 'TTC', 'TTA', 'TTT']

---

编辑：如果每个潜在项目也必须满足与子集的每个其他现有元素匹配的条件，则可以使用all和列表理解功能进行检查。 请注意，函数返回的值将取决于superset的顺序，因为存在多个可以满足条件的不同局部最大值。

def similarity(a,b):
    return sum(1 for p,q in zip(a,b) if p==q)

def pick(seq, superset, match):
    subset = []
    for item in superset:
        if similarity(item, seq) <= match and all(similarity(item, x) <= match for x in subset):
            subset.append(item)
    return subset

superset = [
    'GGG', 'GGC', 'GGA', 'GGT', 'GCG', 'GCC', 'GCA', 'GCT', 'GAG', 'GAC', 'GAA', 'GAT', 'GTG', 'GTC', 'GTA', 'GTT', 
    'CGG', 'CGC', 'CGA', 'CGT', 'CCG', 'CCC', 'CCA', 'CCT', 'CAG', 'CAC', 'CAA', 'CAT', 'CTG', 'CTC', 'CTA', 'CTT', 
    'AGG', 'AGC', 'AGA', 'AGT', 'ACG', 'ACC', 'ACA', 'ACT', 'AAG', 'AAC', 'AAA', 'AAT', 'ATG', 'ATC', 'ATA', 'ATT', 
    'TGG', 'TGC', 'TGA', 'TGT', 'TCG', 'TCC', 'TCA', 'TCT', 'TAG', 'TAC', 'TAA', 'TAT', 'TTG', 'TTC', 'TTA', 'TTT'
]

seq = "AAA"

print pick(seq, superset, 1)

结果：

['GGG', 'GCC', 'GAT', 'GTA', 'CGC', 'CCG', 'CTT', 'AGT', 'ATG', 'TGA', 'TCT', 'TAG', 'TTC']