- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我有一个约 700 个键的默认字典。 key 采用 A_B_STRING 等格式。我需要做的是用“_”拆分 key ,如果 A 和 B 相同,则比较每个 key 的“STRING”之间的距离。如果距离 <= 2,我想将这些键的列表分组到一个 defaultdict key:value 组中。将有多个键应该匹配并分组。我还想保留在新的组合 defaultdict 中,所有没有进入组的键:值对。
输入文件在FASTA格式,其中标题是键,值是序列(使用 defaultdict 是因为基于原始 fasta 文件的 blast 报告,多个序列具有相同的标题)。
这是我目前所拥有的:
!/usr/bin/env python
import sys
from collections import defaultdict
import itertools
inp = sys.argv[1] # input fasta file; format '>header'\n'sequence'
with open(inp, 'r') as f:
h = []
s = []
for line in f:
if line.startswith(">"):
h.append(line.strip().split('>')[1]) # append headers to list
else:
s.append(line.strip()) # append sequences to list
seqs = dict(zip(h,s)) # create dictionary of headers:sequence
print 'Total Sequences: ' + str(len(seqs)) # Numb. total sequences in input file
groups = defaultdict(list)
for i in seqs:
groups['_'.join(i.split('_')[1:])].append(seqs[i]) # Create defaultdict with sequences in lists with identical headers
def hamming(str1, str2):
""" Simple hamming distance calculator """
if len(str1) == len(str2):
diffs = 0
for ch1, ch2 in zip(str1,str2):
if ch1 != ch2:
diffs += 1
return diff
keys = [x for x in groups]
combos = list(itertools.combinations(keys,2)) # Create tupled list with all comparison combinations
combined = defaultdict(list) # Defaultdict in which to place groups
for i in combos: # Combo = (A1_B1_STRING2, A2_B2_STRING2)
a1 = i[0].split('_')[0]
a2 = i[1].split('_')[0]
b1 = i[0].split('_')[1] # Get A's, B's, C's
b2 = i[1].split('_')[1]
c1 = i[0].split('_')[2]
c2 = i[1].split('_')[2]
if a1 == a2 and b1 == b2: # If A1 is equal to A2 and B1 is equal to B2
d = hamming(c1, c2) # Get distance of STRING1 vs STRING2
if d <= 2: # If distance is less than or equal to 2
combined[i[0]].append(groups[i[0]] + groups[i[1]]) # Add to defaultdict by combo 1 key
print len(combined)
for c in sorted(combined):
print c, '\t', len(combined[c])
问题是这段代码没有按预期工作。在组合的 defaultdict 中打印键时;我清楚地看到有很多可以组合的。但是,合并后的 defaultdict 的长度大约是原始长度的一半。
编辑
替代方案没有 itertools.combinations:
for a in keys:
tocombine = []
tocombine.append(a)
tocheck = [x for x in keys if x != a]
for b in tocheck:
i = (a,b) # Combo = (A1_B1_STRING2, A2_B2_STRING2)
a1 = i[0].split('_')[0]
a2 = i[1].split('_')[0]
b1 = i[0].split('_')[1] # Get A's, B's, C's
b2 = i[1].split('_')[1]
c1 = i[0].split('_')[2]
c2 = i[1].split('_')[2]
if a1 == a2 and b1 == b2: # If A1 is equal to A2 and B1 is equal to B2
if len(c1) == len(c2): # If length of STRING1 is equal to STRING2
d = hamming(c1, c2) # Get distance of STRING1 vs STRING2
if d <= 2:
tocombine.append(b)
for n in range(len(tocombine[1:])):
keys.remove(tocombine[n])
combined[tocombine[0]].append(groups[tocombine[n]])
final = defaultdict(list)
for i in combined:
final[i] = list(itertools.chain.from_iterable(combined[i]))
但是,使用这些方法,我仍然遗漏了一些与其他方法不匹配的内容。
最佳答案
考虑到这种情况,我想我发现您的代码存在一个问题:
0: A_B_DATA1
1: A_B_DATA2
2: A_B_DATA3
All the valid comparisons are:
0 -> 1 * Combines under key 'A_B_DATA1'
0 -> 2 * Combines under key 'A_B_DATA1'
1 -> 2 * Combines under key 'A_B_DATA2' **opps
我想您会希望将所有这三个组合在一个键下。但是请考虑这种情况:
0: A_B_DATA111
1: A_B_DATA122
2: A_B_DATA223
All the valid comparisons are:
0 -> 1 * Combines under key 'A_B_DATA111'
0 -> 2 * Combines under key 'A_B_DATA111'
1 -> 2 * Combines under key 'A_B_DATA122'
现在它变得有点棘手,因为第 0 行与第 1 行的距离为 2,第 1 行与第 2 行的距离为 2,但您可能不希望它们都放在一起,因为第 0 行与第 2 行的距离为 3!
这是一个可行的解决方案示例,假设这是您希望输出的样子:
def unpack_key(key):
data = key.split('_')
return '_'.join(data[:2]), '_'.join(data[2:])
combined = defaultdict(list)
for key1 in groups:
combined[key1] = []
key1_ab, key1_string = unpack_key(key1)
for key2 in groups:
if key1 != key2:
key2_ab, key2_string = unpack_key(key2)
if key1_ab == key2_ab and len(key1_string) == len(key2_string):
if hamming(key1_string, key2_string) <= 2:
combined[key1].append(key2)
在我们的第二个示例中,这将产生以下字典,如果这不是您要查找的答案,您能否准确输入此示例的最终字典应该是什么?
A_B_DATA111: ['A_B_DATA122']
A_B_DATA122: ['A_B_DATA111', 'A_B_DATA223']
A_B_DATA223: ['A_B_DATA122']
请记住,这是一个复杂度为 O(n^2) 的算法,这意味着当您的 key 集变大时它不可扩展。
关于Python - 通过键中的汉明距离对 defaultdict 值进行分组,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37752332/
我喜欢 smartcase,也喜欢 * 和 # 搜索命令。但我更希望 * 和 # 搜索命令区分大小写,而/和 ?搜索命令遵循 smartcase 启发式。 是否有隐藏在某个地方我还没有找到的设置?我宁
关闭。这个问题是off-topic .它目前不接受答案。 想改进这个问题? Update the question所以它是on-topic对于堆栈溢出。 10年前关闭。 Improve this qu
从以下网站,我找到了执行java AD身份验证的代码。 http://java2db.com/jndi-ldap-programming/solution-to-sslhandshakeexcepti
似乎 melt 会使用 id 列和堆叠的测量变量 reshape 您的数据框,然后通过转换让您执行聚合。 ddply,从 plyr 包看起来非常相似..你给它一个数据框,几个用于分组的列变量和一个聚合
我的问题是关于 memcached。 Facebook 使用 memcached 作为其结构化数据的缓存,以减少用户的延迟。他们在 Linux 上使用 UDP 优化了 memcached 的性能。 h
在 Camel route ,我正在使用 exec 组件通过 grep 进行 curl ,但使用 ${HOSTNAME} 的 grep 无法正常工作,下面是我的 Camel 路线。请在这方面寻求帮助。
我正在尝试执行相当复杂的查询,在其中我可以排除与特定条件集匹配的项目。这是一个 super 简化的模型来解释我的困境: class Thing(models.Model) user = mod
我正在尝试执行相当复杂的查询,我可以在其中排除符合特定条件集的项目。这里有一个 super 简化的模型来解释我的困境: class Thing(models.Model) user = mod
我发现了很多嵌入/内容项目的旧方法,并且我遵循了在这里找到的最新方法(我假设):https://blog.angular-university.io/angular-ng-content/ 我正在尝试
我正在寻找如何使用 fastify-nextjs 启动 fastify-cli 的建议 我曾尝试将代码简单地添加到建议的位置,但它不起作用。 'use strict' const path = req
我正在尝试将振幅 js 与 React 和 Gatsby 集成。做 gatsby developer 时一切看起来都不错,因为它发生在浏览器中,但是当我尝试 gatsby build 时,我收到以下错
我试图避免过度执行空值检查,但同时我想在需要使代码健壮的时候进行空值检查。但有时我觉得它开始变得如此防御,因为我没有实现 API。然后我避免了一些空检查,但是当我开始单元测试时,它开始总是等待运行时异
尝试进行包含一些 NOT 的 Kibana 搜索,但获得包含 NOT 的结果,因此猜测我的语法不正确: "chocolate" AND "milk" AND NOT "cow" AND NOT "tr
我正在使用开源代码共享包在 iOS 中进行 facebook 集成,但收到错误“FT_Load_Glyph failed: glyph 65535: error 6”。我在另一台 mac 机器上尝试了
我正在尝试估计一个标准的 tobit 模型,该模型被审查为零。 变量是 因变量 : 幸福 自变量 : 城市(芝加哥,纽约), 性别(男,女), 就业(0=失业,1=就业), 工作类型(失业,蓝色,白色
我有一个像这样的项目布局 样本/ 一种/ 源/ 主要的/ java / java 资源/ .jpg 乙/ 源/ 主要的/ java / B.java 资源/ B.jpg 构建.gradle 设置.gr
如何循环遍历数组中的多个属性以及如何使用map函数将数组中的多个属性显示到网页 import React, { Component } from 'react'; import './App.css'
我有一个 JavaScript 函数,它进行 AJAX 调用以返回一些数据,该调用是在选择列表更改事件上触发的。 我尝试了多种方法来在等待时显示加载程序,因为它当前暂停了选择列表,从客户的 Angul
可能以前问过,但找不到。 我正在用以下形式写很多语句: if (bar.getFoo() != null) { this.foo = bar.getFoo(); } 我想到了三元运算符,但我认
我有一个表单,在将其发送到 PHP 之前我正在执行一些验证 JavaScript,验证后的 JavaScript 函数会发布用户在 中输入的文本。页面底部的标签;然而,此消息显示短暂,然后消失...
我是一名优秀的程序员,十分优秀!