我正在尝试找到一种方法让 python 计算字符串的特定子集,该子集不同于通常的 str.count("X")
这是我的一般示例。我的变量是 dna="AAAAA" 我的目标是识别字符串中存在的每组“AA”。 当我运行 dna.count("AA")时,我在打印时得到了可预测的结果 2。
但是,我要查找的结果是 4 的输出。这是一张图像,可以直观地显示我在说什么。 (我会插入图像,但我没有所需的 10 个声誉,所以我必须发布一个链接)https://docs.google.com/drawings/d/16IGo3hIstcNEqVid8BI6uj09KX4MWWAzSuQcu8AjSu0/edit?usp=sharing
我一直没能在别处找到这个问题的满意解决方案。可能是因为我不确定如何称呼我的问题。编辑:我被告知这是在计算重叠的子字符串。
事情变得更加复杂,因为完整的程序在字符串中不会有一个重复的字母,而是 4 个字母 (ATCG) 随机重复,长度不确定。这是一个示例 dna="AtcGTgaTgctagcg"我需要脚本来输出存在多少对 AT、TC、CG、TG 等。同时向右逐渐移动一个字母。
谢谢。
请您参考如下方法:
对于最简单的情况,对:
dna = 'AtcGTgaTgctagcg'.upper()
from collections import Counter
for (a, b), ctr in Counter(zip(dna, dna[1:])).items():
print(a + b, ctr)
打印:
CT 1
TC 1
TA 1
GA 1
AG 1
CG 2
GC 2
GT 1
AT 2
TG 2
对于更一般的任意选择长度的情况:
dna = 'AtcGTgaTgctagcg'.upper()
length = 2
from collections import Counter
counts = Counter(dna[i:i+length] for i in range(len(dna) - length + 1))
for string, count in counts.items():
print(string, count)
还有一个计算每个子字符串的,因为你说的是“未确定的长度”:
dna = 'AtcGTgaTgctagcg'.upper()
from collections import Counter
counts = Counter(dna[i:j+1] for j in range(len(dna)) for i in range(j+1))
for string, count in counts.items():
print(string, count)
