python - 在 python 的元组列表中查找连续系列

Question

我正在努力解决以下问题:我想编写一些小代码来去除质谱数据的同位素。

为此，我比较了两个信号之间的差异是否等于质子质量除以电荷状态。到目前为止，非常简单。

我现在正在努力寻找超过两个峰的系列。

我将问题分解为有一个元组列表，一个系列是 n 个元组，其中前一个元组的最后一个数字等于当前元组的第一个元组。

来自这里:

[(1,2), (2,3), (4,5), (7,9), (8,10), (9,11)]

对此:

[(1,2,3), (4,5), (7,9,11), (8,10)]

简单的订单将失败，因为可能有跳跃 (7-->9) 和中间信号 (8,10)

这里是一些测试数据:

import numpy as np

proton = 1.0078250319 

data = [
 (632.3197631835938, 2244.3374),  #0
 (632.830322265625, 2938.797),    #1
 (634.3308715820312, 1567.1385),  #2
 (639.3309326171875, 80601.41),   #3
 (640.3339233398438, 23759.367),  #4
 (641.3328247070312, 4771.9946),  #5
 (641.8309326171875, 2735.902),   #6
 (642.3365478515625, 4600.567),   #7
 (642.84033203125, 1311.657),     #8
 (650.34521484375, 11952.237),    #9
 (650.5, 1),                      #10 
 (650.84228515625, 10757.939),    #11
 (651.350341796875, 6324.9023),   #12
 (651.8455200195312, 1398.8452),  #13
 (654.296875, 1695.3457)]         #14

mz, i = zip(*data)

mz = np.array(mz)
i = np.array(i)

arr = np.triu(mz - mz[:, np.newaxis])

charge = 2

所以实际上，在第一步中，我只对 mz 值感兴趣。我从所有值中减去所有值并隔离上三角。

为了计算，如果两个信号实际上在正确的质量范围内，我会使用以下代码:

>>> pairs = tuple(zip(*np.where(abs(arr - (proton / charge)) < 0.01)))
((0, 1), (5, 6), (6, 7), (7, 8), (9, 11), (11, 12), (12, 13))

现在，相应的信号是肉眼清楚的:

峰 1:0 到 1

峰 2:5 到 8

峰 3:9 到 13，没有 10。

所以原则上，我想将每个元组的第二个值与任何其他元组的第一个值进行比较，以确定相应的序列。

我尝试的是展平列表，删除重复项并在此一维列表中找到相应的计数。但这失败了，因为发现了 5-9 的峰值。

我想要一个矢量化解决方案，因为此计算是针对 30000 多个光谱中多个电荷状态的 100-500 个信号完成的。

我很确定，之前有人问过这个问题，但找不到合适的解决方案。

最终，这些系列用于检查相应峰的强度，将它们相加并使用最大的初始值分配此处的去同位素峰。

谢谢基督徒

附言。另外，如果对现有代码有一些建议，我很乐意学习。我是矢量化计算的新手，通常会编写大量的 for 循环，这需要很长时间才能完成。

Answer 1

在图论中，您的问题将是“如何在图中找到所有断开连接的子图？”。

那么为什么不使用网络分析库，例如 networkx:

import networkx as nx
# Your tuples become the edges of the graph.
edge = [(1,2), (2,3), (4,5), (7,9), (8,10), (9,11)]

# We create the graph
G = nx.Graph()
G.add_edges_from(edge)

# Use connected_components to detect the subgraphs.
d = list(nx.connected_components(G)) 

我们得到了预期的结果:

[{1, 2, 3}, {4, 5}, {7, 9, 11}, {8, 10}]

有 4 个子图: