查找每一列中的字母数

Question

我需要找到每一列中的字母数，如下所示：

String: ATCG
        TGCA
        AAGC
        GCAT

字符串是一个系列。

我需要编写一个程序来获取以下信息：

  0 1 2 3
A 2 1 1 1
T 1 1 0 1
C 0 1 2 1
G 1 1 1 1 

我已经写了以下代码，但是我得到的是0索引中的一行，最后是nan值（列索引450，实际列号451）。 我不应该获得行或列451。我只需要拥有450列。

f = zip(*string)
counts = [{letter: column.count(letter) for letter in column} for column in 
f]
counts=pd.DataFrame(counts).transpose()
print(counts)
counts = counts.drop(counts.columns[[450]], axis =1)

谁能帮我理解这个问题？

Answer 1

这是实现逻辑的一种方法。 如果需要，您可以通过lst = s.tolist()将系列转换为列表。

lst = ['ATCG', 'TGCA', 'AAGC', 'GCAT']

arr = [[i.count(x) for i in zip(*lst)] for x in ('ATCG')]

res = pd.DataFrame(arr, index=list('ATCG'))

结果

   0  1  2  3
A  2  1  1  1
T  1  1  0  1
C  0  1  2  1
G  1  1  1  1

说明

• 在列表理解中，首先通过依次迭代每个字符串的第一，第二，第三和第四个元素来处理列。
• 通过依次遍历“ ATCG”来处理第二行。
• 这将产生一个列表列表，这些列表可以直接输入pd.DataFrame 。

Answer 2

随着Series.value_counts() ：

>>> s = pd.Series(['ATCG', 'TGCA', 'AAGC', 'GCAT'])

>>> s.str.join('|').str.split('|', expand=True)\
...     .apply(lambda row: row.value_counts(), axis=0)\
...     .fillna(0.)\
...     .astype(int)
   0  1  2  3
A  2  1  1  1
C  0  1  2  1
G  1  1  1  1
T  1  1  0  1

我不确定要对索引进行逻辑排序，但是可以在此结果上调用.reindex()或.sort_index() 。

第一行s.str.join('|').str.split('|', expand=True)您提供“扩展”版本

   0  1  2  3
0  A  T  C  G
1  T  G  C  A
2  A  A  G  C
3  G  C  A  T

这应该比在每一行上调用pd.Series(list(x)) ...更快。