从序列创建所有固定长度的不连续子序列

Question

我有如下顺序：

seq = "SDLKFJSOIDHFSODIF"

我想为这个做所有长度为5的不连续子序列。因为有5个可能的阅读框架，所以我想要一个由5个列表组成的列表，如下所示：

[["SDLKF", "JSOID", "HFSOD"], ["DLKFJ", "SOIDH", FSODI"], ...]

所有字符不会出现在每个列表中，对于本例，第5个列表只有两个条目。这没关系。你知道吗

我怎样才能做一个函数，把它推广到所有可能的子序列长度？你知道吗

谢谢！ 杰克

Answer 1

通过嵌套列表理解：

>>> [[seq[i: i + 5] for i in range(j, len(seq), 5) if i + 5 <= len(seq)] for j in range(5)]
[['SDLKF', 'JSOID', 'HFSOD'],
 ['DLKFJ', 'SOIDH', 'FSODI'],
 ['LKFJS', 'OIDHF', 'SODIF'],
 ['KFJSO', 'IDHFS'],
 ['FJSOI', 'DHFSO']]

Answer 2

虽然单列表理解是更好的答案，但这里有一个^{}¹方法。你知道吗

给定的

import itertools as it

import more_itertools as mit


seq = "SDLKFJSOIDHFSODIF"
size = 5

代码

windows = it.islice(mit.stagger(seq, offsets=range(len(seq)), longest=True), size)
[["".join(x) for x in mit.sliced(w, size) if None not in x and len(x) == size] for w in windows]

输出

[['SDLKF', 'JSOID', 'HFSOD'],
 ['DLKFJ', 'SOIDH', 'FSODI'],
 ['LKFJS', 'OIDHF', 'SODIF'],
 ['KFJSO', 'IDHFS'],
 ['FJSOI', 'DHFSO']]

---

细节

目标：制作序列的几个滑动窗口，并将它们分成块。你知道吗

在第一个列表理解中，结果是收缩滑动windows。为了演示，下面是一个完整级联结果的示例：

>>> windows = mit.stagger(seq, offsets=range(len(seq)), longest=True)
>>> ["".join(filter(None, w)) for w in windows]
['SDLKFJSOIDHFSODIF',
'DLKFJSOIDHFSODIF',
'LKFJSOIDHFSODIF',
'KFJSOIDHFSODIF',
'FJSOIDHFSODIF',
'JSOIDHFSODIF',
'SOIDHFSODIF',
'OIDHFSODIF',
'IDHFSODIF',
'DHFSODIF',
'HFSODIF',
'FSODIF',
'SODIF',
'ODIF',
'DIF',
'IF',
'F']

注意，对于每个窗口，左侧滑动，而右侧固定。换句话说，每次迭代的窗口大小都会缩小1。这些缩小窗口是通过more_itertools.stagger中的offsets参数实现的（有关详细信息，请参见the docs）。由于该过程重复，因此通过^{}只选择给定size的第一个窗口。你知道吗

第二种理解是将这些窗口分成一组size，丢弃无效的块（< size或包含fillvalue None，这是more_itertools.stagger中的默认值）。你知道吗

_{¹more_itertools是通过^{}安装的第三方库。}