Question

我有一个包含序列的大文件;我只想分析最后一组字符，这些字符恰好是可变长度的。在每一行中，我想在文本文件中取每组的第一个字符和最后一个字符，并计算这些字符的总实例。

以下是文件中数据的示例：

-1iqd_BA_0_CDRH3.pdb kabat H3 P DPDAFD V

-1iqw_HL_0_CDRH3.pdb kabat H3 N RDYSNNWYFD V

我想取“H3”之后的第一个字符和最后一个字符（例如粗体）。这两行的输出应为：

第一个计数器（{'N'：1，'P'：1}）

最后一个计数器（{'V'：2}）

这是我到目前为止所做的：

f = open("C:/CDRH3.txt", "r")
from collections import Counter
grab = 1
for line in f:
   line=line.rstrip()
   left,sep,right=line.partition(" H3 ")
   if sep:
         AminoAcidsFirst = right[:grab] 
         AminoAcidsLast = right[-grab:]
print ("first ",Counter(line[:] for line in AminoAcidsFirst))
print ("last ",Counter(line[:] for line in AminoAcidsLast))
f.close()

这将打印最后一行数据的计数，如下所示：

first Counter({'N': 1})
last Counter({'V': 1})

如何计算文件中所有行中的所有这些字符？笔记：打印（AminoAcidsFirst）或（AminoAcidsLast）给出垂直所有行的所需列表，但我无法计算它或将其输出到文件。写入新文件只会写入原始文件最后一行的字符。谢谢！

Answer 1

不需要Counter：只需在split之后抓取最后一个标记并计算第一个和最后一个字符：

first_counter = {}
last_counter = {}
for line in f:
   line=line.split()[-1]   # grab the last token
   first_counter[line[0]] = first_counter.get(line[0], 0) + 1
   last_counter[line[-1]] = last_counter.get(line[-1], 0) + 1    

print("first ", first_counter)
print("last ", last_counter)

<强>输出

first  {'P': 1, 'N': 1}
last  {'V': 2}

Answer 2

创建2个空列表并在每个循环中追加，如下所示：

f = open("C:/CDRH3.txt", "r")
from collections import Counter
grab = 1
AminoAcidsFirst = []
AminoAcidsLast = []
for line in f:
   line=line.rstrip()
   left,sep,right=line.partition(" H3 ")
   if sep:
         AminoAcidsFirst.append(right[:grab])
         AminoAcidsLast.append(right[-grab:])
print ("first ",Counter(line[:] for line in AminoAcidsFirst))
print ("last ",Counter(line[:] for line in AminoAcidsLast))
f.close()

下面：

创建空列表：

AminoAcidsFirst = [] AminoAcidsLast = []
在每个循环中追加：

AminoAcidsFirst.append(right[:grab]) AminoAcidsLast.append(right[-grab:])

Answer 3

我想指出的两件重要事情

永远不会在您的计算机上显示文件路径，如果您来自科学界，这尤其适用
使用with...as方法

现在是程序

from collections import Counter

filePath = "C:/CDRH3.txt"
AminoAcidsFirst, AminoAcidsLast = [], [] # important! these should be lists

with open(filePath, 'rt') as f:  # rt not r. Explicit is better than implicit
    for line in f:
        line = line.rstrip()
        left, sep, right = line.partition(" H3 ")
        if sep:
            AminoAcidsFirst.append( right[0] ) # really no need of extra grab=1 variable
            AminoAcidsLast.append( right[-1] ) # better than right[-grab:]
print ("first ",Counter(AminoAcidsFirst))
print ("last ",Counter(AminoAcidsLast))

请勿执行line.strip()[-1]，因为sep验证非常重要

<强>输出

first  {'P': 1, 'N': 1}
last  {'V': 2}

注意：数据文件可能会非常大，您可能会遇到内存问题或计算机挂起问题。那么，我可以建议懒读吗？ Folloing是一个更强大的程序

from collections import Counter

filePath = "C:/CDRH3.txt"
AminoAcidsFirst, AminoAcidsLast = [], [] # important! these should be lists

def chunk_read(fileObj, linesCount = 100):
    lines = fileObj.readlines(linesCount)
    yield lines

with open(filePath, 'rt') as f:  # rt not r. Explicit is better than implicit
    for aChunk in chunk_read(f):
        for line in aChunk:
            line = line.rstrip()
            left, sep, right = line.partition(" H3 ")
            if sep:
                AminoAcidsFirst.append( right[0] ) # really no need of extra grab=1 variable
                AminoAcidsLast.append( right[-1] ) # better than right[-grab:]
print ("first ",Counter(AminoAcidsFirst))
print ("last ",Counter(AminoAcidsLast))

Answer 4

如果您将语句放在for循环的底部或之后，以打印AminoAcidsFirst和AminoAcidsLast，您将看到在每次迭代时您只是分配一个新的值。在将它们提供给collections.Counter之前，您的意图应该是收集，包含或累积这些值。

s = ['-1iqd_BA_0_CDRH3.pdb kabat H3 PDPDAFDV', '-1iqw_HL_0_CDRH3.pdb kabat H3 NRDYSNNWYFDV']

立即修复代码就是积累字符：

grab = 1
AminoAcidsFirst = ''
AminoAcidsLast = ''
for line in s:
   line=line.rstrip()
   left,sep,right=line.partition(" H3 ")
   if sep:
         AminoAcidsFirst += right[:grab] 
         AminoAcidsLast += right[-grab:]
print ("first ",collections.Counter(AminoAcidsFirst))
print ("last ",collections.Counter(AminoAcidsLast))

另一种方法是按需制作角色。定义一个生成函数，它将产生你想要计算的东西

def f(iterable):
    for thing in iterable:
        left, sep, right = thing.partition(' H3 ')
        if sep:
            yield right[0]
            yield right[-1]

然后将其提供给collections.Counter

z = collections.Counter(f(s))

或使用文件作为数据源：

with open('myfile.txt') as f1:
    # lines is a generator expression
    # that produces stripped lines
    lines = (line.strip() for line in f1)
    z = collections.Counter(f(lines))

如何计算python中分区字符的出现？

4 个答案: