使用python在字典中保留最长的异构体多个键

Question

我试图从一个很长的列表中删除最小的异构体，因为我只想使用最长的。 我的数据如下：

comp30035   seq1    608 
comp30037   seq1    265 
comp3003    seq1    298 
comp30043   seq1    236 
comp30043   seq3    529 
comp30043   seq4    315 
comp30043   seq5    1120    

对于只有一种异构体（例如只有seq1）的contigs，没有问题，但其中许多具有多种异构体（seq2,3…）。例如，对于config comp30043，我只想在我的列表中保留最长的seq5。你知道吗

我只想保留其中最长的一个，显然我需要保留一个只有一个异构体。你知道吗

我在考虑使用python字典，以contigs名称作为键，isoform名称和长度有值，但我没有使用多个值的经验。你知道吗

任何提示和帮助我开始是非常感谢！你知道吗

干杯

Answer 1

一个简单的解决方案是使用元组作为字典的值。或者，您甚至可以使用字典本身作为字典的值。下面是一段代码[可能可读性比效率高]，它将完成前者。你知道吗

假设您已将数据保存在contigsFile.txt文件地址：

contigDict = {}
for line in open('contigsFile.txt'):
    contigId, isoform, length = line.split()
    if contigId in contigDict:
        curr_Isoform, curr_length = contigDict[contigId]
        if int(curr_length) < int(length):
            contigDict[contigId] = (isoform, length)
    else:
        contigDict[contigId] = (isoform, length)

希望这有帮助。你知道吗

Answer 2

试试下面的，我会尽量评论一下，这样你就可以很容易地理解了。你知道吗

我使用字典以如下形式存储元素：{"compxxxx" : ("seqx", number)}

with open("sample.txt", 'r') as f:
    lines = [line.split() for line in f] # List of lists, each nested list contains strings
    result = {} # To store result
    for l in lines: # For each nested list
        if l[0] not in result: # If the 'key'(compxxxx) is not in 'result'
            result[l[0]] = (l[1], int(l[2])) # Add elements to 'result'. Note the int cast of the 'number'
        elif l[2] > result[l[0]][1]: # If 'key' is in 'result' check if 'number' is higher
            result[l[0]] = (l[1], int(l[2]))

    for k, v in result.iteritems(): # To print elements
        print k, v

输出：

comp30035 ('seq1', 608)
comp30043 ('seq5', 1120)
comp30037 ('seq1', 265)
comp3003 ('seq1', 298)