python - 如何使用不同大小的列表创建 Python 字典？

Question

我一直在学习使用正则表达式来操作字符串，但是在使用我正在处理的一些数据格式化字典时遇到了问题。这是我正在努力处理的代码的简化版本:

import re

line=">sp|A|PE=3 SV=1 IDMANTTI >sp|B|PE=3 SV=1 EVPFYPKA >sp|C| PE=3 SV=2 QRWLFNYSGNISN"

NGly_Sites=[]
protein_list=[]

p_and_a=re.findall(r'sp\|(\w+)\|.+?SV=\d\s([A-Z]+)', line) 
for protein, amino in p_and_a:
    print(protein, amino)
    protein_list.append(protein)
    NGly_Sites=re.findall(r'N[^P][ST][^P]', amino)
    print(NGly_Sites)
Sites={k:v for k,v in zip(protein_list, NGly_Sites)}
print(Sites)

它打印:

A IDMANTTI
['NTTI']
B EVPFYPKA
[]
C QRWLFNYSGNISN
['NYSG', 'NISN']
{'A': 'NYSG', 'B': 'NISN'

我正在尝试将我命名为“蛋白质”的项目与我在 python 中使用 .findall() 函数找到的结果序列进行匹配。本质上我想做以下事情:

{'A':['NTTI'],'C':['NYSG','NISN']}

我不明白为什么使用 .findall() 函数找到的对象被放入字典中是在所有键('A'、'B'、'C')下而不是在它们的特定键下完成的键或者为什么我似乎无法在一个键下附加使用 .findall() 找到的对象列表。我确定这只是与语法有关，但我已经尝试过 {k:v for k,v in zip(list1,list2)} 这就是我被告知制作包含两个列表的字典的方式，并且我似乎无法弄清楚如何让它在列表中插入列表。我该怎么做呢？

Answer 1

您可以使用列表理解来构建元组对的完整蛋白质列表，然后使用字典理解来过滤空列表值。这可以在单个字典理解中完成，但将其分成两步会更清晰一些，并且省去了对 findall 的尴尬额外调用以提取蛋白质序列。

import re

line = ">sp|A|PE=3 SV=1 IDMANTTI >sp|B|PE=3 SV=1 EVPFYPKA >sp|C| PE=3 SV=2 QRWLFNYSGNISN"
protein_pattern = r"sp\|(\w+)\|.+?SV=\d\s([A-Z]+)"
sites_pattern = r"N[^P][ST][^P]"

all_proteins = [
    (k, re.findall(sites_pattern, v)) 
    for k, v in re.findall(protein_pattern, line)
]
sites = {k: v for k, v in all_proteins if v}

print(sites) # => {'A': ['NTTI'], 'C': ['NYSG', 'NISN']}