python - 通过定义函数从文件创建字典

Question

我有一个包含以下信息的文件:

#chrom    start    end    isoform
chr1    75  90  NM_100
chr1    100 120 NM_100
chr2    25  50  NM_200
chr2    55  75  NM_200
chr2    100 125 NM_200
chr2    155 200 NM_200

我想从这个文件中创建一个字典，其中 NM_ 是键，开头和结尾是值。就像这样:

dictionary = {NM_100: [(75, 90), (100,120)], NM_200: [(25, 50), (55,75), (100, 125), (155, 200)]}

我一直在尝试使用此代码生成一个函数，该函数允许我压缩开头和结尾，但我似乎无法让它正常工作。

def read_exons(line):
    parts = iter(line.split())
    chrom = next(parts)
    start = next(parts)
    end = next(parts)
    isoform = next(parts)
    return isoform, [(s, e) for s, e in zip(start, end)]

with open('test_coding.txt') as f:
    exons = dict(read_exons(line) for line in f
        if not line.strip().startswith('#'))

我知道该函数不允许我附加到值，但我正在努力弄清楚如何让一行的开头和结尾正确显示在字典中。有任何想法吗？是 iter() 或 zip 的问题吗？

Answer 1

collections.defaultdict 可能有帮助:

import collections

exons = collections.defaultdict(list)
for line in f:
    chrom, start, end, isoform = line.split()
    exons[isoform].append((int(start), int(end)))

简单!

<小时/>

这利用了一些优势:

• 它使用元组解包来解包行列，而不是上面的 iter() 解决方案。一般来说，元组拆包更简单，更容易阅读。
• 它逐步构建字典，而不是像当前解决方案尝试那样尝试一次完成所有操作(请注意，如果您逐行处理数据，则无法立即收集所有开始/结束对!)

• 它使用 collections.defaultdict 有效地将每个键映射到一个空列表(最初)，这样您就不必检查每个键是否已映射。如果没有defaultdict，你会这样做

  exons = {}
  ...
      if isoform not in exons:
          exons[isoform] = []
      exons[isoform].append(...)