尝试使用python以10的连续间隔查找字符串的特定字符

Question

我有一个由DNA组成的数据，存储为字母“a”、“g”、“c”和“t”的序列。在我的数据中，我使用了：

count = data.count('t')
print(count)

在Python中，找到“t”出现1514710次。你知道吗

我想找出“t”在10个字母的连续窗口中出现的次数，如下所示：example

从图中我可以看出，在第一组10个字母中，“t”出现3次（即在第一组10个字母中，“t”出现3次，共10个字母），“t”在第二组10个字母中出现2次。你知道吗

我希望在python脚本中显示每个窗口的编号，而不在每个编号后面加换行符。你知道吗

例如，如果我的数据如下所示：

    atgcttgcatgcttgcaaatgcatgcttgcattgcaa

我非常希望Python输出显示如下内容：

    't' appears twice in the first set of 10 letters, 
    and appears 4 times in the second set of 10 letters,
    and so on....

这就是我目前所尝试的：

    window_size = 10                                                                          
    windows_length = len(data) // window_size                                                
    windows = [data[i:i+windows_length] for i in range(0, len(data),                       windows_length)]        
    result = sum(1 if 't' in (x) else 0 for x in windows)  

显示11个

但我不确定这是不是正确的方法。 任何帮助都将不胜感激。非常感谢。你知道吗

Answer 1

如果我理解正确，你想数一数有多少个窗口包含't'。然后我的方法是将data分解成windows，并计算其中有多少包含't'。你知道吗

window_size = 10                                                                          
windows_length = len(data) // window_size                                                
windows = [data[i:i+windows_length] for i in range(0, len(data), windows_length)]        
result = sum(1 if 't' in (x) else 0 for x in windows)    

Answer 2

您可以使用列表理解功能将数据分解为“窗口”列表：

windows: List[List[str]] = [data[i * 10:(i + 1) * 10] 
                            for i in range((len(data) + 10 - 1) // 10 )]

然后用同样的方法计算每个窗口的数量：

counts: List[int] = [window.count('t') 
                     for window in windows]

您没有指定打印输出的确切方式，所以我将剩下的留给您来确定，但请尝试print(counts)查看该格式是否适合您。你知道吗

Answer 3

如果dna序列是一个字符串，那么textwrap.wrap文件它返回包装行的列表（尽管可能有内存方面的考虑）。所以你可以写：

>>> from textwrap import wrap
>>> dna = 'atgcttgcatgcttgcaaatgcatgcttgcattgcaa'
>>> [chunk.count('t') for chunk in wrap(dna, 10)]
[4, 3, 3, 2]                                         

要获取块编号，可以使用枚举：

>>> print(*(f'On row #{i} "t" occured {chunk.count("t")} times' for i, chunk in enumerate(wrap(dna, 10), start=1)), sep='\n')
On row #1 "t" occured 4 times
On row #2 "t" occured 3 times
On row #3 "t" occured 3 times
On row #4 "t" occured 2 times