Python-使用Numpy，ValueError生成隨機dna序列

Question

我想問兩個熟悉numpy的人。 我見過非常相似的問題（和答案），但是沒有一個我想使用numpy，因為它提供了很多其他選項，將來我可能希望在該代碼中使用。 我試圖在python中使用“隨機”生成隨機核苷酸序列的列表。 因為我想擁有非均勻概率，所以我決定改用numpy。 但是，我收到錯誤消息：“ ValueError：必須是一維或整數”。

import numpy as np

def random_dna_sequence(length):
    return ''.join(np.random.choice('ACTG') for _ in range(length))

with open('dna.txt', 'w+') as txtout:
    for _ in range(10):
        dna = random_dna_sequence(100)
        txtout.write(dna)
        txtout.write("\n")

        print (dna)

我是一個徹底的磨砂膏，我不知道多維在哪里或如何發揮作用。 我懷疑是“ .join（）”，但我不確定，也不確定如何替換它。 我的另一個問題是如何獲得非均勻概率。 我嘗試使用“ np.random.choice（'ACTG'，p = 0.2，0.2，0.3，0.3）”，但是它不起作用。

我希望那里有人可以提供幫助。 提前致謝。

伯特，問候

Answer 1

對於問題的第一部分，將a作為列表傳遞：

def random_dna_sequence(length):
    return ''.join(np.random.choice(list('ACTG')) for _ in range(length))

或將基礎定義為列表或元組：

BASES = ('A', 'C', 'T', 'G')

def random_dna_sequence(length):
    return ''.join(np.random.choice(BASES) for _ in range(length))

第二部分有一個類似的解決方案：將概率作為列表或元組傳遞：

BASES = ('A', 'C', 'T', 'G')
P = (0.2, 0.2, 0.3, 0.3)

def random_dna_sequence(length):
    return ''.join(np.random.choice(BASES, p=P) for _ in range(length))

Answer 2

就random_dna_sequence函數而言，我得到了與mhawke類似的解決方案。 但是，我生成的序列與人類基因組的1號染色體一樣長，用我的方法花了將近一分鍾，因此我嘗試了mhawke的方法來查看我是否有速度提升。 相反，它花費了大約十倍的時間。 因此，對於處理大序列的任何人，我建議對return語句進行以下更改：

BASES = ('A', 'C', 'G', 'T')
def random_dna_sequence(length):
    return ''.join(np.random.choice(BASES, length))

基本上，這可以讓numpy執行循環，從而可以更有效地執行循環。 我希望這有幫助。