Question

我一直在尝试调整我的python函数来计算字母组而不是单个字母，我有点麻烦。这是我必须计算单个字母的代码：

my_seq = "CTAAAGTCAACCTTCGGTTGACCTTGAAAGGGCCTTGGGAACCTTCGGTTGACCTTGAGGGTTCCCTAAGGGTT"

def count_letters(str):
    counts = {}
    for c in str:
        if c in counts:
            counts[c]+=1
        else:
            counts[c]=1
    return counts

counts = count_letters(my_seq)
print(counts)

该功能当前为每个字母吐出计数。现在打印出来：

{'C': 23, 'T': 30, 'G': 30, 'A': 20}

理想情况下，我希望打印这样的内容：

{'CTA': 2, 'TAG': 3, 'CGC': 1, 'GAG': 2 ... }

我对python很新，这证明很难。

谢谢！

Answer 1

使用collections.Counter可以很快完成此操作。

from collections import Counter

s = "CTAACAAC"

def chunk_string(s, n):
    return [s[i:i+n] for i in range(len(s)-n+1)]

counter = Counter(chunk_string(s, 3))
# Counter({'AAC': 2, 'ACA': 1, 'CAA': 1, 'CTA': 1, 'TAA': 1})

修改：详细说明chunk_string：

它需要一个字符串s和一个块大小n作为参数。每个s[i:i+n]都是n个字符长的字符串的一部分。循环遍历有效索引，其中字符串可以被切片（0到len(s)-n）。然后将所有这些切片分组到列表推导中。等效方法是：

def chunk_string(s, n):
    chunks = []
    last_index = len(s) - n
    for i in range(0, last_index + 1):
        chunks.append(s[i:i+n])
    return chunks

Answer 2

这基本上是Jared Goguen的第一个发布的答案，但是在回复OP的评论时，没有导入模块的可能方式：

>>> m
'CTAAAGTCAACCTTCGGTTGACCTTGAGGGTTCCCTAAGGGTTGGGGATGACCCTTGGGTCTAAAGTCAACCTTCGGTTGACCTTGAGGGTTCCCTAAGGGTT'
>>> l = [m[i:i+3] for i in range(len(m)-2)]
>>> 
>>> d = {}
>>> 
>>> for k in set(l):
        d[k] = l.count(k)


>>> d
{'AAG': 4, 'GGA': 1, 'AAA': 2, 'TAA': 4, 'AGG': 4, 'AGT': 2, 'GGG': 7, 'ACC': 5, 'CGG': 2, 'GGT': 7, 'TCC': 2, 'TGA': 5, 'CAA': 2, 'TGG': 2, 'GTC': 3, 'AAC': 2, 'ATG': 1, 'CTT': 5, 'TCA': 2, 'CCT': 7, 'CCC': 3, 'GTT': 6, 'TTG': 6, 'GAT': 1, 'GAC': 3, 'TCG': 2, 'GAG': 2, 'CTA': 4, 'TTC': 4, 'TCT': 1}

或者如果你是一个衬里的粉丝：

>>> d = {k:l.count(k) for k in set(l)}

计算字符串中的多个字母组

2 个答案: