Question

我希望能够加入存储在“indata”和“pairdata”中的两个“词典”，但这段代码，

indata = SeqIO.index(infile, infmt)
pairdata = SeqIO.index(pairfile, infmt)
indata.update(pairdata)

产生以下错误：

indata.update(pairdata)
TypeError: update() takes exactly 1 argument (2 given)

我尝试过使用，

indata = SeqIO.to_dict(SeqIO.parse(infile, infmt))
pairdata = SeqIO.to_dict(SeqIO.parse(pairfile, infmt))
indata.update(pairdata)

哪个确实有效，但是由此产生的字典占用太多内存，对于infile和pairfile的大小来说是实用的。

我探讨的最后一个选择是：

indata = SeqIO.index_db(indexfile, [infile, pairfile], infmt)

效果很好，但速度很慢。有谁知道我是否可以成功加入上面第一个例子中的两个索引？

Answer 1

SeqIO.index返回一个只读字典的对象，因此update将不会对它起作用（对于令人困惑的错误消息道歉;我刚刚检查了主要Biopython存储库的修复程序））。

最好的方法是使用index_db，这会慢一些只需要将文件索引一次，或者定义更高级别的对象它就像你的多个文件上的字典一样。这里有一个简单的例子：

from Bio import SeqIO

class MultiIndexDict:
    def __init__(self, *indexes):
        self._indexes = indexes
    def __getitem__(self, key):
        for idx in self._indexes:
            try:
                return idx[key]
            except KeyError:
                pass
        raise KeyError("{0} not found".format(key))

indata = SeqIO.index("f001", "fasta")
pairdata = SeqIO.index("f002", "fasta")
combo = MultiIndexDict(indata, pairdata)

print combo['gi|3318709|pdb|1A91|'].description
print combo['gi|1348917|gb|G26685|G26685'].description
print combo["key_failure"]

Answer 2

在你不打算再次使用索引并且内存不是限制（在你的情况下似乎都是真的），你可以告诉Bio.SeqIO.index_db（...）使用in内存SQLite3索引，特殊索引名称为“：memory：”，如下所示：

indata = SeqIO.index_db(":memory:", [infile, pairfile], infmt)

其中infile和pairfile是文件名，infmt是Bio.SeqIO中定义的格式类型（例如“fasta”）。

这实际上是Python的SQLite3库的一般技巧。对于一小组文件，这应该比在磁盘上构建SQLite索引快得多。

如何加入Bio.SeqIO.index创建的两个或多个词典？

2 个答案: