如何从一组字母中生成所有可能的模式？

Question

如何通过使用 k 参数来简化此函数中的 for 循环？

def PatternGenerate(k):
    base = ['A','C','G','T']
    pattern = []
    for x in base:
        for y in base:
            for z in base:
                result = str(x) + str(y) + str(z)
                pattern.append(result)
    return pattern

我得到了我想要的结果，但没有得到函数：

['AAA'、'AAC'、'AAG'、'AAT'、'ACA'、'ACC'、'ACG'、'ACT'、'AGA'、'AGC'、'AGG'、'AGT '，'ATA'，'ATC'，'ATG'，'ATT'，'CAA'，'CAC'，'CAG'，'CAT'，'CCA'，'CCC'，'CCG'，'CCT'， 'CGA'、'CGC'、'CGG'、'CGT'、'CTA'、'CTC'、'CTG'、'CTT'、'GAA'、'GAC'、'GAG'、'GAT'、'GCA '，'GCC'，'GCG'，'GCT'，'GGA'，'GGC'，'GGG'，'GGT'，'GTA'，'GTC'，'GTG'，'GTT'，'TAA'， 'TAC'、'TAG'、'TAT'、'TCA'、'TCC'、'TCG'、'TCT'、'TGA'、'TGC'、'TGG'、'TGT'、'TTA'、'TTC ', 'TTG', 'TTT']

Answer 1

如果你使用递归形式会容易得多。

def PatternGenerate(k):
    base = ['A','C','G','T']
    pattern = []
    if k == 1:
      return base
    else:
      for p in PatternGenerate(k-1):
        for b in base:
          pattern.append(p+b)

      return pattern

解释 这个想法是： 如果 k == 1，简单返回基数 如果 k > 1，找到 PatternGenerate(k-1) 并将其附加到 base。

Answer 2

一种方法是使用递归。这是执行此操作的生成器函数示例：

def genAll(depth, base = ['A','C','G','T']):
    if depth <= 0:
        yield ''
    else:
        for char in base:
            for tail in genAll(depth - 1, base):
                yield char + tail

for comb in genAll(2):
    print(comb)

输出：

AA
AC
AG
AT
CA
CC
CG
CT
GA
GC
GG
GT
TA
TC
TG
TT

Answer 3

使用 itertools 的 Lazier 版本

import itertools
k = 2
result = ["".join(t) for t in itertools.combinations_with_replacement(['A','C','G','T'], k)]
print(result)

combinations_with_replacement 内部的实现与@Andriy 非常相似。

Answer 4

这是一种使用来自itertools 的repeat 和product 的方法：

from itertools import product, repeat

# This one returns a list, like your version:
def list_all_kmers(k):
    return ["".join(nucls) for nucls in product(*repeat("ACGT", k))]

# This one generates k-mers one by one:
def generate_all_kmers(k):
    # It seems "return" also works
    # I'm not sure it makes a difference here
    # but see https://stackoverflow.com/a/45620965/1878788
    yield from ("".join(nucls) for nucls in product(*repeat("ACGT", k)))

for kmer in generate_all_kmers(3):
    print(kmer)

结果：

AAA
AAC
AAG
AAT
ACA
ACC
ACG
ACT
AGA
AGC
AGG
AGT
ATA
ATC
ATG
ATT
CAA
CAC
CAG
CAT
CCA
CCC
CCG
CCT
CGA
CGC
CGG
CGT
CTA
CTC
CTG
CTT
GAA
GAC
GAG
GAT
GCA
GCC
GCG
GCT
GGA
GGC
GGG
GGT
GTA
GTC
GTG
GTT
TAA
TAC
TAG
TAT
TCA
TCC
TCG
TCT
TGA
TGC
TGG
TGT
TTA
TTC
TTG
TTT

一些解释：

repeat("ACGT", k) 生成 k 次 "ACGT"。从中制作列表时可以将其可视化：

list(repeat("ACGT", 3))

结果：

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

product(l1, l2, l3) 生成所有元组，其中第一个元素来自l1，第二个来自l2，第三个来自l3，其中l1、l2 和l3 是“可迭代”，例如列表或字符串。这适用于任何数字或可迭代对象：

零：

list(product())

结果：

[()]

一个：

list(product("ACGT"))

结果：

[('A',), ('C',), ('G',), ('T',)]

两个：

list(product("ACGT", "ACGT"))

结果：

[('A', 'A'),
 ('A', 'C'),
 ('A', 'G'),
 ('A', 'T'),
 ('C', 'A'),
 ('C', 'C'),
 ('C', 'G'),
 ('C', 'T'),
 ('G', 'A'),
 ('G', 'C'),
 ('G', 'G'),
 ('G', 'T'),
 ('T', 'A'),
 ('T', 'C'),
 ('T', 'G'),
 ('T', 'T')]

等等

但是，如果我们想使用repeat 的结果，我们必须使用* 来表示生成的元素必须作为单独的参数。在函数调用中f(*[l1, l2, l3]) 就像在做f(l1, l2, l3)。如果你使用生成器而不是列表，它也可以工作，所以我们不需要做list(repeat(...))（我们只是为了可视化目的在上面做了）。

然后我们想用元组中的元素制作字符串。这要归功于空字符串的join 方法，我们在“列表理解”（[] 之间）或“生成器表达式”（() 之间）中使用。

列表推导式创建完整列表，而生成器表达式“按需”生成元素。