Question

我写了这个野蛮的脚本来创建一串字符的排列，这些字符在字符串中所有可能的位置组合中包含n（最多n = 4）$。我最终将.replace('$','(\\w)')用于dna搜索序列中的不匹配。由于我编写脚本的方式，一些排列少于请求的$的数量。然后我编写了一个脚本来删除它们，但它似乎没有效果，每次运行删除脚本时，它都会删除更多不需要的排列。在下面粘贴的代码中，您将看到我使用4个不匹配的简单序列测试函数。然后我运行一系列删除脚本，计算每次删除多少表达式...根据我的经验，删除所有表达式少于4张外卡的$表达式大约需要8次。我有几个问题：

是否有内置函数用于'n'不匹配的搜索？也许甚至在biopython中？到目前为止，我已经看过Paul_McGuire_regex函数：
Search for string allowing for one mismatch in any location of the string，
这似乎只会产生1个不匹配。我必须承认，我并不完全理解该页面上剩余功能中的所有代码，因为我是一个非常新的编码器。
因为我认为这对我来说是一个很好的练习，是否有更好的方法来编写整个脚本？...我可以根据需要多次迭代Paul_McGuire_regex函数吗？
最令我困惑的是，为什么删除脚本第一次不会100％工作？

感谢您提供的任何帮助！

def Mismatch(Search,n):
    List = []
    SearchL = list(Search)
    if n > 4:
        return("Error: Maximum of 4 mismatches")
    for i in range(0,len(Search)):
        if n == 1:
            SearchL_i = list(Search)
            SearchL_i[i] = '$'
            List.append(''.join(SearchL_i))
        if n > 1:
            for j in range (0,len(Search)):
                if n == 2:
                    SearchL_j = list(Search)
                    SearchL_j[i] = '$'
                    SearchL_j[j] = '$'
                    List.append(''.join(SearchL_j))
                if n > 2:
                    for k in range(0,len(Search)):
                        if n == 3:
                            SearchL_k = list(Search)
                            SearchL_k[i] = '$'
                            SearchL_k[j] = '$'
                            SearchL_k[k] = '$'
                            List.append(''.join(SearchL_k))
                        if n > 3:
                            for l in range(0,len(Search)):
                                if n ==4:
                                    SearchL_l = list(Search)
                                    SearchL_l[i] = '$'
                                    SearchL_l[j] = '$'
                                    SearchL_l[k] = '$'
                                    SearchL_l[l] = '$'
                                    List.append(''.join(SearchL_l))
    counter=0
    for el in List:
        if el.count('$') < n:
            counter+=1
            List.remove(el)
    return(List) 

List_RE = Mismatch('abcde',4)

counter = 0
for el in List_RE:
    if el.count('$') < 4:
        List_RE.remove(el)
        counter+=1

print("Filter2="+str(counter))

Answer 1

我们可以通过回答问题1来解决问题2和问题3，但是理解问题3很重要，所以我先做，然后展示如何完全避免它：

问题3

关于问题3，这是因为当您在python中循环遍历列表并在循环中对其进行更改时，循环的列表会发生变化。

来自python docs on control flow (for statement section)：

不安全修改循环中迭代的序列（这只能发生在可变序列类型中，例如列表）。

说出您的列表为[a,b,c,d]，然后使用for el in List循环显示该列表。说el目前是a，而你List.remove(el)。

现在，您的列表为[b,c,d]。但是，迭代器指向列表中的第二个元素（因为它是第一个完成的），现在是c。从本质上讲，您已跳过b。所以问题是你正在修改你正在迭代的列表。

有几种方法可以解决这个问题：如果你的List复制成本不高，你可以复制一份。所以迭代List[:]，但要从List中删除。

但是假设一直复制List是很昂贵的。然后你做的是迭代向后。请注意下面的reversed：

for el in reversed(List): if el.count('$') < n: counter+=1 List.remove(el) return(List)

在上面的示例中，假设我们在List上向后迭代。迭代器从d开始，然后转到c。假设我们删除c，以便List=[a,b,d]。由于迭代器向向后，它现在指向元素b，所以我们没有跳过任何东西。

基本上，这可以避免修改你尚未迭代的列表中的位。

问题1＆amp; 2

如果我正确理解您的问题，您基本上想要从n个位置中选择m，其中m是字符串的长度（abcde），并且在这些n个职位中加上'$'。

在这种情况下，您可以使用itertools模块来执行此操作。

import itertools def Mismatch(Search,n): SearchL = list(Search) List = [] # hold output # print list of indices to replace with '$' idxs = itertools.combinations(range(len(SearchL)),n) # for each combination `idx` in idxs, replace str[idx] with '$': for idx in idxs: str = SearchL[:] # make a copy for i in idx: str[i]='$' List.append( ''.join(str) ) # convert back to string return List

让我们来看看它是如何工作的：

将Search字符串转换为列表，以便迭代，创建空List以保存结果。

idxs = itertools.combinations(range(len(SearchL)),n)说“在集合[0,1,2,3,...,length-of-search-string -1]中查找长度为n的所有子集。试试

idxs = itertools.combinations(range(5),4) for idx in idxs: print idx

看看我的意思。

idxs的每个元素都是从0到n的{{1}}索引元组（例如len(SearchL)-1。将(0,1,2,4)的第i个字符替换为元组中每个SearchL的'$'。

将结果转换回字符串并将其添加到i。

举个例子：

List

DNA搜索序列正则表达式中的多个不匹配

1 个答案:

问题3

问题1＆amp; 2