填充空的多维矩阵

Question

我正在将 fasta 文件中的数据解析到字典中，然后遍历该值以获得每个序列的汉明距离，并且我很难用汉明距离函数的输出填充一个空的多维数组。

from Bio import SeqIO
from scipy.spatial import distance
import pandas as pd
import numpy as np
from sklearn import manifold
import matplotlib.pyplot as plt

seq_dict = {rec.id : rec.seq for rec in SeqIO.parse("HW2.fas", "fasta")} #parsing fasta file into dic
ham_matrix = np.empty((0, 0 ), int)

for x in seq_dict.values():
    for y in seq_dict.values():
        distance.hamming(x, y)
    ham_matrix = np.append(ham_matrix, np.array([distance.hamming(x, y)]))

print (ham_matrix)

打印出来的矩阵应该有 120 行和 120 列的尺寸（字典的长度），但输出是

[0.29924242 0.3030303  0.3030303  0.30681818 0.30681818 0.29924242
 0.3030303  0.29924242 0.3030303  0.3030303  0.3030303  0.30681818
 0.3030303  0.3030303  0.3030303  0.29924242 0.32575758 0.32954545
 0.32575758 0.32575758 0.32954545 0.32954545 0.32575758 0.32954545
 0.32575758 0.32954545 0.33333333 0.32575758 0.32575758 0.3219697
 0.3219697  0.32575758 0.32954545 0.32954545 0.32954545 0.32954545
 0.32575758 0.32954545 0.32575758 0.3219697  0.31818182 0.32954545
 0.17424242 0.17424242 0.17045455 0.17045455 0.17424242 0.17045455
 0.17424242 0.1780303  0.17424242 0.17424242 0.17045455 0.17424242
 0.16666667 0.17045455 0.17045455 0.1780303  0.1780303  0.17424242
 0.17424242 0.17424242 0.18560606 0.18181818 0.18560606 0.18939394
 0.19318182 0.18939394 0.17424242 0.18181818 0.18181818 0.1780303
 0.18560606 0.1969697  0.17045455 0.18939394 0.1780303  0.18939394
 0.18560606 0.19318182 0.1780303  0.11742424 0.11363636 0.11742424
 0.11742424 0.08712121 0.10984848 0.10606061 0.10227273 0.08712121
 0.11742424 0.10984848 0.08712121 0.08333333 0.10984848 0.09090909
 0.09848485 0.10984848 0.07954545 0.10606061 0.08712121 0.10227273
 0.11363636 0.10227273 0.09090909 0.00757576 0.10227273 0.10606061
 0.10227273 0.10606061 0.00757576 0.09848485 0.09090909 0.00378788
 0.10984848 0.07954545 0.09469697 0.10606061 0.10606061 0.        ]

是否只创建一个空数组，用汉明距离函数的输出填充该空数组，然后在每次循环后将该数组作为一行附加到空矩阵中会更好吗？

Answer 1

第一的：

您应该将distance.hamming(x, y)返回的值分配给某个变量。 否则你将徒劳地计算它，然后在数组分配中再次执行它。

第二：

你的数组分配是非常环境的，我认为也是在错误的地方。

尝试这个：

for i, x in enumerate(seq_dict.values()):
    for j, y in enumerate(seq_dict.values()):
        ham_matrix[i, j] = distance.hamming(x, y)

未经测试的代码。 如果这不能解决它，请在下面发表评论。

顺便说一句：矩阵中看似随机的值是因为您使用了np.empty()函数。 它只是分配数组所需的内存并保留计算机之前保存在那里的值。 如果您使用np.zeros() ，它将用零填充，这通常会清除问题。 :)