python脚本未按预期加入字符串

Question

我有一个序列列表列表，以及一个对应的名称列表列表。

testSequences = [
    ['aaaa', 'cccc'],
    ['tt', 'gg'],
    ['AAAAAAA', 'CCCCCC', 'TTTTTT', 'GGGGGG']]
testNames = [
    ['>xx_oneFish |xzx', '>xx_twoFish |zzx'],
    ['>xx_redFish |zxx', '>xx_blueFish |zxx'],
    ['>xx_oneFish |xzx', '>xx_twoFish |xzx', '>xz_redFish |xxx', '>zx_blueFish |xzz']]

我还列出了姓名的所有识别部分：

taxonNames = ['oneFish', 'twoFish', 'redFish', 'blueFish']

我正在尝试生成一个新列表，其中列表中的每个项目都将对应于“名称的标识部分”之一，并且该字符串将由该名称的所有序列组成。

如果名称和序列未出现在列表中的一个列表中（即testNames 的第一个列表中没有redFish 或blueFish）我想添加一串相同长度的连字符作为该列表中的序列。这会给我这个输出：

['aaaa--AAAAAA', 'cccc--CCCCCC', '----ttTTTTTT', '----ggGGGG']

我有这段代码可以做到这一点。

complete = [''] * len(taxonNames)

for i in range(len(testSequences)):
    for j in range(len(taxonNames)):
        sequenceLength = len(testSequences[i][0])
        for k in range(len(testSequences[i])):
            if taxonNames[j] in testNames[i][k]:
                complete[j].join(testSequences[i][k]) 
            if taxonNames[j] not in testNames[i][k]:
                hyphenString = "-" * sequenceLength
                complete[j].join(hyphenString)

print complete

“完成”应该给出我上面解释的最终输出，但它看起来像这样：

['', '', '', '']

如何修复我的代码以给出正确答案？

Answer 1

代码的主要问题是很难理解，因为你没有真正利用使 Python 如此强大的语言元素。

以下是解决您问题的有效方法：

test_sequences = [
    ['aaaa', 'cccc'],
    ['tt', 'gg'],
    ['AAAAAAA', 'CCCCCC', 'TTTTTT', 'GGGGGG']]
test_names = [
    ['>xx_oneFish |xzx', '>xx_twoFish |zzx'],
    ['>xx_redFish |zxx', '>xx_blueFish |zxx'],
    ['>xx_oneFish |xzx', '>xx_twoFish |xzx', '>xz_redFish |xxx', '>zx_blueFish |xzz']]

taxon_names = ['oneFish', 'twoFish', 'redFish', 'blueFish']


def get_seqs(taxon_name, sequences_list, names_list):
    for seqs, names in zip(sequences_list, names_list):
        found_seq = None
        for seq, name in zip(seqs, names):
            if taxon_name in name:
                found_seq = seq
                break
        yield found_seq if found_seq else '-' * len(seqs[0])


result = [''.join(get_seqs(taxon_name, test_sequences, test_names)) 
          for taxon_name in taxon_names]

print(result)

生成器get_seqs 将test_sequences 和test_names 中的列表配对，并且对于每一对，尝试找到匹配的名称（name）的序列（seq）并产生它，或产生该序列列表的正确数量的连字符的字符串。

生成器（产生多个值的函数）的代码完全符合上述说明。

结果就是，对于每个taxon_name，按顺序获取所有匹配的结果序列并将它们连接到一个字符串中，这就是result = ... 行。

你可以让它与列表索引循环和字符串连接一起工作，但这不是 PHP 问题，现在是吗？ :)

注意：为简洁起见，您可以只访问全局 test_sequences 和 test_names 而不是将它们作为参数传递，但我认为如果您要实际使用此代码，那会再次困扰您。另外，我认为在整个示例中更改名称和序列的顺序在语义上是有意义的，但我并没有避免进一步偏离您的示例。

Answer 2

这是一个可以满足您需求的解决方案。它不是从你这篇文章中的数据结构开始的，而是从你的previous post（你用来构建这篇文章的数据结构）中的三个示例文件开始的。

我唯一想不通的是文件中缺少的序列要使用多少连字符。

differentNames = ['oneFish', 'twoFish', 'redFish', 'blueFish']
files = ['f1.txt', 'f2.txt', 'f3.txt']

data = [[] for _ in range(len(differentNames))]
final = []

for file in files:
    d = dict()
    with open(file, 'r') as fin:
        for line in fin:
            line = line.rstrip()
            if line.startswith('>'): # for ex., >xx_oneFish |xxx
                underscore = line.index('_')
                space = line.index(' ')
                key = line[underscore+1:space]
            else:
                d[key] = line

    for i, key in enumerate(differentNames):
        data[i].append(d.get(key, '-' * 4))

for array in data:
    final.append(''.join(array))

print(final)

打印：

['AAAAAAAaaaa----', 'CCCCCCcccc----', 'TTTTTT----tt', 'GGGGGG----gg']