python - python列中字母的频率

Question

我想计算每个字母在所有列中出现的频率:例如我有这三个序列:

seq1=AATC
seq2=GCCT
seq3=ATCA

在这里，我们有:在第一列中，'A' 的频率是 2 ，'G' 是 1 。对于第二列:'A' 的频率为 1，'C' 为 1，'T' 为 1。(其余列相同)首先，我尝试执行计算频率的代码，我尝试这样做:

例如:

s='AATC'

dic={}
for x in s:
    dic[x]=s.count(x)

这给出:{'A':2,'T':1,'C':1}现在，我想在列上应用它。为此，我使用了这条指令:

f=list(zip(seq1,seq2,seq3))

给出:

[('A', 'G', 'A'), ('A', 'C', 'T'), ('T', 'C', 'C'), ('C', 'T', 'A')]

所以，在这里，我计算 () 中字母的出现频率:我该怎么做？

如果我处理序列文件，如何使用此代码将其应用于文件序列？例如，每次我获取三个序列并应用此代码时，我的文件包含 100 个序列。

Answer 1

这里:

sequences = ['AATC',
             'GCCT',
             'ATCA']
f = zip(*sequences)
counts = [{letter: column.count(letter) for letter in column} for column in f]
print(counts)

输出(重新格式化):

[{'A': 2, 'G': 1}, 
 {'A': 1, 'C': 1, 'T': 1}, 
 {'C': 2, 'T': 1}, 
 {'A': 1, 'C': 1, 'T': 1}]

显着特征:

• 我们没有明确命名 seq1、seq2 等，而是将它们放入列表中。
• 我们使用 * 运算符解压列表。
• 我们在列表理解中使用字典理解来生成每列中每个字母的计数。这基本上就是您为单序列案例所做的，但更具可读性(IMO)。