将嵌套值添加到由值列表组成的当前字典

Question

我制作了一个名为 ogseqs 的字典，其中包含对应于基因列表的正交组 ID（称为 og）。

ogseqs[og]=genelist 
{'OG0000000': ['Acrchr1_1567', 'Acrchr1_2725', 'Acrchr1_2932']}

我想创建一个嵌套字典，其中还将包含基因列表中每个基因的序列。我制作了另一本名为geneseqs 的字典，其中的基因与其序列相对应。

geneseqs[geneID]=sequence
geneseqs = {'Acrchr1_1567': 'MAFL...', 'Acrchr1_2725': 'MFA...', 'Acrchr1_2932': 'MLA...', 'Annmae1_197712': 'MAF...', 'Annmor1_367154': 'MLF...', 'Annmae1_150166': 'MFL...'}

我在合并/嵌套这些词典时遇到问题。我试过简单地分配这样的序列：

genelist:['Acrchr1_1567', 'Acrchr1_2725', 'Acrchr1_2932']

ogseqs={'OG0000000': ['Acrchr1_1567', 'Acrchr1_2725', 'Acrchr1_2932']}
geneseqs={'Acrchr1_1567': 'MAL...', 'Acrchr1_2725': 'MFA...', 'Acrchr1_2932': 'MLA...'}

ogseqs[og][geneID]={}

for geneID in genelist:
    if geneID in geneseqs.keys():
        ogseqs[og][geneID]=sequence

但我明白了

TypeError: 列表索引必须是整数或切片，而不是 str

所以我认为部分问题在于 ogseqs 中的值在列表中，而不是单个值。我认为这意味着我需要在分配嵌套值之前添加一行来划分这个列表。

完整输入：

ogseqs = {'OG0000000': ['Acrchr1_1567', 'Acrchr1_2725', 'Acrchr1_2932'], 'OG0000001': ['Annmae1_197712', 'Annmor1_367154', 'Annmae1_150166']}
geneseqs = {'Acrchr1_1567': 'MAFL...', 'Acrchr1_2725': 'MFA...', 'Acrchr1_2932': 'MLA...', 'Annmae1_197712': 'MAF...', 'Annmor1_367154': 'MLF...', 'Annmae1_150166': 'MFL...'}

预期输出：

{'OG0000000': {'Acrchr1_1567': 'MAL...', 'Acrchr1_2725': 'MFA...', 'Acrchr1_2932': 'MLA...'}, 
'OG0000001': {'Annmae1_197712': 'MAF...', 'Annmor1_367154': 'MLF...', 'Annmae1_150166': 'MFL...'}}

Answer 1

假设您当前的数据如下所示：

ogseqs = {'OG0000000': ['Acrchr1_1567', 'Acrchr1_2725', 'Acrchr1_2932'],
          'OG0000001': ['Annmae1_197712', 'Annmor1_367154', 'Annmae1_150166']
}
geneseqs = {'Acrchr1_1567': 'MAFL...', 'Acrchr1_2725': 'MFA...', 'Acrchr1_2932': 'MLA...',
            'Annmae1_197712': 'MAF...', 'Annmor1_367154': 'MLF...', 'Annmae1_150166': 'MFL...'
}

在 for 循环中执行 ogseqs[og][geneID]=sequence 将不起作用，因为 ogseqs[og] 是一个列表，geneID 是一个字符串，因此 Python 抱怨您正在尝试使用字符串而不是 int 查找列表索引。这样做的方法（但在这种情况下不正确）是用ogseqs[og] = geneseqs[geneID] 替换该行。但是，它会覆盖您现有的 og 序列列表。

您可以就地更新 ogseqs，但这会变得不必要地复杂。创建具有您想要的结构的新字典更容易，但可能会占用更多内存，具体取决于您的起始数据与每个循环的数据。

og = 'OG0000000'
genelist = ['Acrchr1_1567', 'Acrchr1_2725', 'Acrchr1_2932']
nested_ogseqs = {}  # new
nested_ogseqs[og] = {}  # create `og` in the new one

for geneID in genelist:
    if geneID in geneseqs:  # don't need `geneseqs.keys()` since iterates over keys anyway
        nested_ogseqs[og][geneID] = geneseqs[geneID]

>>> nested_ogseqs
{'OG0000000': {'Acrchr1_1567': 'MAFL...', 'Acrchr1_2725': 'MFA...', 'Acrchr1_2932': 'MLA...'}}

但如果您的目标是在没有预设 og 或 genelist 的情况下简单地转换/创建 ogseqs 的嵌套版本，您可以这样做：

#`ogseqs` and `geneseqs` as above

nested_ogseqs = {}  # new
for og, genelist in ogseqs.items():
    nested_ogseqs[og] = {}  # create `og` in the new one
    for geneID in genelist:    
        nested_ogseqs[og][geneID] = geneseqs[geneID]  # create `og` in the new one

>>> nested_ogseqs
{'OG0000000': {'Acrchr1_1567': 'MAFL...', 'Acrchr1_2725': 'MFA...', 'Acrchr1_2932': 'MLA...'},
 'OG0000001': {'Annmae1_197712': 'MAF...', 'Annmor1_367154': 'MLF...', 'Annmae1_150166': 'MFL...'}}

可以简写为：

nested_ogseqs = {}  # new
for og, genelist in ogseqs.items():
    nested_ogseqs[og] = {geneID: geneseqs[geneID] for geneID in genelist}

---

这样的缺点是：如果一个geneID不在geneseqs中，比如缺失或尚不存在的数据，则需要保存原来的ogseqs，重新创建nested_ogseqs 稍后或该 og 的基因列表丢失。