通过SQL计算序列中的字符数

Question

我有一个带序列表的数据库。该表中的每个（氨基酸）序列包含20个不同的字符（A，V，......）。例如“MQSHAMQCASQALDLYD ......”。

我想计算每个字符的出现次数，以便得到类似“2xM，3xQ，......”的内容。

此外，我想在我的数据库中的所有序列上执行此操作，因此我得到每个字符的整体外观。 （“248xM，71x W，......”）。

我如何在PostgreSQL中执行此操作？目前，我正在使用Ruby，但我有25,000个序列，每个序列长度约为400个字符。这需要一段时间，我希望SQL会更快。

Answer 1

这是如何在字符串中找到所有A：

select length(regexp_replace('AAADDD', '[^A]', '', 'g'));

这是如何找到表格中的所有A：

select sum(length(regexp_replace(field, '[^A]', '', 'g'))) from table;

Answer 2

我经常发现定义一个可重用的函数更灵活：

CREATE OR REPLACE FUNCTION numch(text, text) RETURNS integer AS
  $$ 
    SELECT length($2) - length(replace($2, $1, '')) 
  $$ LANGUAGE SQL;

然后您就可以使用它：

SELECT sum(numch('A', colname)) AS nA, sum(numch('V', colname)) AS nV
  FROM relname;

获得如下结果：

   na   |   nv   
--------+--------
 359541 | 296330
(1 row)

采用this psql-performance线程。