如何解决如何在循环中使用子字符串制作字典 python
我有一个包含数百万个 DNA 序列的 fasta 文件 - 对于每个 DNA 序列,还有一个 ID。
>seq1
AATCAG #----> 5mers of this line are AATCA and ATCAG
>seq3
AAATTACTACTCTCTA
>seq19
ATTACG #----> 5mers of this line are ATTAC and TTACG
我想要做的是,如果 DNA 序列的长度是 6,那么我制作那条线的 5mers(显示在代码和上面)。所以我无法解决的问题是我想以一种字典显示哪些 5mer 来自哪些 sequence id
的方式制作字典。
这是我的代码,但已经进行到一半了:
from Bio import SeqIO
from Bio.Seq import Seq
with open(file,'r') as f:
lst = []
dict = {}
for record in SeqIO.parse(f,'fasta'): #reads the fast file
if len(record.seq) == 6: #considers the DNA sequence length
for i in range(len(record.seq)):
kmer = str(record.seq[i:i + 5])
if len(kmer) == 5:
lst.append(kmer)
dict[record.id] = kmer #record.id picks the ids of DNA sequences
#print(lst)
print(dict)
所需的字典应如下所示:
dict = {'seq1':'AATCA','seq1':'ATCAG','seq19':'ATTAC','seq19':'TTACG'}
解决方法
按照@SulemanElahi 在 Make a dictionary with duplicate keys in Python 中的建议使用 defaultdict
,因为字典中不能有重复的键
from Bio import SeqIO
from collections import defaultdict
file = 'test.faa'
with open(file,'r') as f:
dicti = defaultdict(list)
for record in SeqIO.parse(f,'fasta'): #reads the fast file
if len(record.seq) == 6: #considers the DNA sequence length
kmer = str(record.seq[:5])
kmer2 = str(record.seq[1:])
dicti[record.id].extend((kmer,kmer2)) #record.id picks the ids of DNA sequences
print(dicti)
for i in dicti:
for ii in dicti[i]:
print(i,' : ',ii)
输出:
defaultdict(<class 'list'>,{'seq1': ['AATCA','ATCAG'],'seq19': ['ATTAC','TTACG']})
seq1 : AATCA
seq1 : ATCAG
seq19 : ATTAC
seq19 : TTACG
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。