我应该在 Python 中将分类变量存储为整数还是字母？答案

【问题标题】：Should I store categorical variables as integers or letters in Python?我应该在 Python 中将分类变量存储为整数还是字母？
【发布时间】：2014-05-28 14:20:42
【问题描述】：

我试图将生物病毒的序列表示为ATGCs，但我看到了将其表示为1234s 的代码。如果我们将其存储为整数 [1,2,3,4] 而不是字母 [A,T,G,C]，内存使用或代码速度是否有任何差异？

对于那些可能需要更多上下文的人，我不会对数字/字母字符串进行任何数学运算，除了在随机位置（即突变）改变他们的身份，跟踪被突变掉的位置从字典中的参考序列（例如：{2:'G', 52:'A'} 或 {2:3, 52:1}），并通过迭代参考序列并检查突变字典中的任何突变来导出任何生物病毒株的完整序列。

【问题讨论】：

如果在列表中用作索引，查找速度更快，存储更紧凑。在字典里，没那么多。
另请参阅有关测量内存大小的答案：stackoverflow.com/a/136083/699224

标签： python

【解决方案1】：

字符串或整数的使用取决于 DNA 序列的大小。我知道某些序列可能包含数百万个元素。如果您要处理大量信息，最好使用类型整数。否则，如果它更适合您，您可以使用字符串。

【讨论】：