python - 如何将此 for 循环生成的列表列表写入文件(Python)？

Question

我在将我的一个热编码器的输出列表写入文件时遇到了一些问题。下面是显示这些列表是如何生成的代码。输入文件包含几个看起来像这样的 DNA 序列，例如:

>seq1
AGTAGATAG
>seq2
GGTTAACCG

这是 Python 代码:

import sys

path = sys.argv[1]
file = open(path, 'r')

holder = file.read()
holder1 = str(holder)
holder2 = holder1.replace("\n","")
uppercase = holder2.upper()

import re
test = re.sub('1|2|3|4|5|6|7|8|9|0|\t|SEQ|CHR|-|:', "", uppercase)
newone = test.split(">")
newone = [x for x in newone if x]

#checking for presence of N in sequence
lettern = "N"
result = [component for component in lettern if(component in newone)]

#if N is present in sequence, an error message is displayed

for line in newone:

    if (bool(result)) == True:
        print("The input sequence is invalid, N is present.")
        sys.exit()

#if sequence is in the correct format, proceed with one hot encoding

    else:   
     #mapping of bases to integers as a dictionary
        bases = "ATCG"
        base_to_integer = dict((i, c) for c, i in enumerate(bases))

    #encoding input sequence as integers

        integer_encoded = [base_to_integer[y] for y in line]      

    #one hot encoding
        onehot_encoded = list()
        for value in integer_encoded:
            base = [0 for x in range(len(bases))]
            base[value] = 1
            onehot_encoded.append(base)
        print(onehot_encoded)

我已经尝试以多种不同的方式修改末尾的 for 循环，但我仍然无法将整个输出写入一个文件，它通常最终只显示最后一个编码序列。这是我最接近的解决方案:

        onehot_encoded = list()
        temporal = list()
        for value in integer_encoded:
            base = [0 for x in range(len(bases))]
            base[value] = 1
            onehot_encoded.append(base)
        temporal.extend(onehot_encoded)

        with open("output", "a") as file:
            file.write(str(temporal))
        file.close()

然而，这最终会重复循环，并且在我运行它并查看输出文件后，在 Linux 中还显示了我的用户名和服务器名称看起来非常奇怪的困惑。

如能帮助我将整个输出整合到一个文件中，我将不胜感激。

Answer 1

似乎您的问题是，您正在重置输出循环内的结构，因此当您尝试仅打印到文件时最后的编码可用。

我说似乎是因为您的代码相当复杂，尤其是你不断地重新计算可以放在循环之外的东西。

修改程序①将停止条件放在循环之外，②在开始循环之前打开输出文件，③使用字典来预先计算不同碱基的编码 ④ 简化循环因为我们可以进行字典查找而不是重新计算每次编码，⑤使用关键字打印到输出文件参数 file=...

stop_letters = "N"
for stop_letter in stop_letters:
    if stop_letter in newone : sys.exit()

out = open(..., 'w')
d = {"A":[1,0,0,0], "T":[0,1,0,0], "C":[0,0,1,0], "G":[0,0,0,1,]}

for bases in newone:
    onehot_encoded = [d[base] for base in bases]
    print(onehot_encoded, file=out)

out.close()