Python & 生物学：使用 python 交叉数据集

Question

喜欢这个网站。我是一名生物学家，提出简单的问题并使它们在 python 中变得复杂，目前卡在一个相当简单的问题上。我有两个不相等的元组列表，包含染色体（'chr#'）和位置（'start'，'end'）信息：

list1: 长度=1499, 元组=('chr5', '12345', '12678')

list2: 长度=75220, 元组=('chr5', '44', '7777777')

如果有人能向我解释为什么这段代码失败了，我可能会自己解决这个问题：

list1 = [('chr1', '123', '345'), ('chr1', '567', '678'), ('chr2', '123', 234'),...)

list2 = [('chr1', '123', '567'), ('chr1', '777', '890'), ('chr2', '1', 288'),...)
newlist = []

for j,k,l in list1:
      if j == x for x,y,z in list2:
            if int(k) >= int(y) or int(l) <= int(z):
                 newlist.append(k)
            else:
                 pass
      else:
            pass

推理：我希望比较两个字符串中所有元组中的整数，但仅当两个元组的 item[0] 匹配时。我将不胜感激任何帮助和提示，谢谢！

Answer 1

if list1[0] == list2[0]:
  print

这是您要找的吗？ :)

如果您也需要比较数字：

if list1[0] == list2[0]:
    for i in range(1, min([len(list1), len(list2)]):
        if int(list1[i]) < int(list2[i]):
            print('Aha!')

Answer 2

如果您更改代码中的第一个 if 语句，使其不在代码运行的第二个 for 循环之前：

list1 = [('chr1', '123', '345'), ('chr1', '567', '678'), ('chr2', '123', '234')]

list2 = [('chr1', '123', '567'), ('chr1', '777', '890'), ('chr2', '1', '288')]
newlist = []

for j,k,l in list1:
    for x,y,z in list2:
        if j == x:
            if int(k) >= int(y) or int(l) <= int(z):
                newlist.append(k)
            else:
                 pass
        else:
            pass

Answer 3

我的 post 没有回答你的问题，但我认为你的代码可以通过使用更多 pythonic 结构来改进。朝着这个方向迈出的第一步是使用 命名元组 以便可以通过属性 name, 访问染色体字段开始 和结束:

from collections import namedtuple
Chromosome = namedtuple('Chromosome', ['name', 'start', 'end'])
chromo = Chromosome('chr1', 123, 345)
# You can access the fields as chromo.name, chromo.start and chromo.end

第二步，您可以使用列表理解来减少嵌套循环的数量：

from collections import namedtuple

Chromosome = namedtuple('Chromosome', ['name', 'start', 'end'])

list1 = [Chromosome('chr1', 123, 345), Chromosome('chr1', 567, 678), ]
list2 = [Chromosome('chr1', 123, 567), Chromosome('chr2', 1, 288), ]

newlist = []
for chromo1 in list1:
    # Build a list of chromosomes from list2 that
    #  * have the same name as chromo1
    #  * start before chromo1
    #  * end after chromo1
    matches = [chromo2 for chromo2 in list2
               if chromo2.name == chromo1.name and
               (chromo2.start < chromo1.start or chromo2.end > chromo1.end)]
    newlist.extend(matches)

Python & 生物学：使用 python 交叉数据集

Python & biology: using python to intersect datasets

python

list