如何使用不同大小的列表创建 python 字典？

Question

我一直在学习使用正则表达式来操作字符串，但在使用我正在处理的一些数据格式化字典时遇到了问题。这是我正在努力解决的代码的简化版本：

import re

line=">sp|A|PE=3 SV=1 IDMANTTI >sp|B|PE=3 SV=1 EVPFYPKA >sp|C| PE=3 SV=2 QRWLFNYSGNISN"

NGly_Sites=[]
protein_list=[]

p_and_a=re.findall(r'sp\|(\w+)\|.+?SV=\d\s([A-Z]+)', line) 
for protein, amino in p_and_a:
    print(protein, amino)
    protein_list.append(protein)
    NGly_Sites=re.findall(r'N[^P][ST][^P]', amino)
    print(NGly_Sites)
Sites={k:v for k,v in zip(protein_list, NGly_Sites)}
print(Sites)

然后打印出来：

A IDMANTTI
['NTTI']
B EVPFYPKA
[]
C QRWLFNYSGNISN
['NYSG', 'NISN']
{'A': 'NYSG', 'B': 'NISN'

我正在尝试将我命名为“蛋白质”的项目与我在 python 中使用 .findall() 函数找到的结果序列进行匹配。基本上我想做以下事情：

{'A':['NTTI'],'C':['NYSG','NISN']}

我不明白为什么使用 .findall() 函数找到并放入字典中的对象是在所有键（'A'、'B'、'C'）下完成的，而不是它们的特定键或为什么我似乎无法在一个键下附加使用 .findall() 找到的对象列表。我确定这只是与语法有关，但我已经尝试过 {k:v for k,v in zip(list1,list2)} 这就是我被告知制作包含两个列表的字典的方式，并且我似乎无法弄清楚如何让它在列表中插入列表。我该怎么做？

Answer 1

您可以使用列表推导构建一个完整的元组对蛋白质列表，然后使用字典推导过滤掉空列表值。这可以在单个 dict 理解中完成，但将其分为两个步骤会更清晰一些，并且可以节省对 findall 的尴尬额外调用以提取蛋白质序列。

import re

line = ">sp|A|PE=3 SV=1 IDMANTTI >sp|B|PE=3 SV=1 EVPFYPKA >sp|C| PE=3 SV=2 QRWLFNYSGNISN"
protein_pattern = r"sp\|(\w+)\|.+?SV=\d\s([A-Z]+)"
sites_pattern = r"N[^P][ST][^P]"

all_proteins = [
    (k, re.findall(sites_pattern, v)) 
    for k, v in re.findall(protein_pattern, line)
]
sites = {k: v for k, v in all_proteins if v}

print(sites) # => {'A': ['NTTI'], 'C': ['NYSG', 'NISN']}

Answer 2

import re

line=">sp|A|PE=3 SV=1 IDMANTTI >sp|B|PE=3 SV=1 EVPFYPKA >sp|C| PE=3 SV=2 QRWLFNYSGNISN"

p_and_a=re.findall(r'sp\|(\w+)\|.+?SV=\d\s([A-Z]+)', line) 

sites =  { protein : re.findall(r'N[^P][ST][^P]', amino)  for protein, amino in p_and_a }

print(sites)

# {'A': ['NTTI'], 'B': [], 'C': ['NYSG', 'NISN']}