Question

我有一个文本文件：

>name_1  
data_1  
>name_2  
data_2  
>name_3  
data_3  
>name_4    
data_4  
>name_5  
data_5

我想将标题（name_1，name_2 ....）存储在一个列表中，并将数据（data_1，data_2 ....）存储在另一个列表中在Python程序中。

def parse_fasta_file(fasta):
    desc=[]    
    seq=[]    
    seq_strings = fasta.strip().split('>')  
    for s in seq_strings:  
        if len(s):  
            sects = s.split()  
            k = sects[0]  
            v = ''.join(sects[1:])  
    desc.append(k)  
    seq.append(v)    

  for l in sys.stdin:  
  data = open('D:\python\input.txt').read().strip()  
  parse_fasta_file(data)
  print seq

这是我试过的代码，但我无法得到答案。

Answer 1

最根本的错误是尝试访问其范围之外的变量。

def function (stuff):
    seq = whatever

function('data')
print seq   ############ error

您无法在seq之外访问function。通常的方法是让function返回一个值，并将其捕获到调用者中的变量中。

def function (stuff):
    seq = whatever
    return seq

s = function('data')
print s

（我故意在函数内外使用不同的变量名。在function内，您无法访问s或data，而在外部，您无法访问stuff或seq。顺便说一句，对于初学者来说，在主线代码中使用同名seq的其他变量会很麻烦，但这会让人感到困惑。）

有了这个，我们可以尝试编写一个函数，它返回一个序列列表和一个描述列表。

def parse_fasta (lines):
    descs = []
    seqs = []
    data = ''
    for line in lines:
        if line.startswith('>'):
            if data:   # have collected a sequence, push to seqs
                seqs.append(data)
                data = ''
            descs.append(line[1:])  # Trim '>' from beginning
        else:
            data += line.rstrip('\r\n')
    # there will be yet one more to push when we run out
    seqs.append(data)
    return descs, seqs

这不是特别优雅，但应该让你开始。更好的设计是返回一个（描述，数据）元组列表，其中描述及其数据紧密耦合在一起。

descriptions, sequences = parse_fasta(open('file', 'r').read().split('\n'))

代码中的sys.stdin循环似乎没有做任何有用的事情。

从python中的FASTA文件解析序列

1 个答案: