在字典中连续存储的单独值

Question

我目前正在研究 CS50 问题集 https://cs50.harvard.edu/x/2021/psets/6/dna/

题目只是告诉我们在一个txt文件中找到一些连续重复的DNA序列，并将总长度与csv文件中的人相匹配。

这是我目前使用的代码（尚未完成）：

import re, csv, sys

def main(argv):
    # Open csv file
    csv_file = open(sys.argv[1], 'r')
    str_person = csv.reader(csv_file)
    
    nucleotide = next(str_person)[1:]
    
    # Open dna sequences file
    txt_file = open(sys.argv[2], 'r')
    dna_file = txt_file.read()
    
    str_repeat = {}
    str_list = find_STRrepeats(str_repeat, nucleotide, dna_file)
        

def find_STRrepeats(str_list, nucleotide, dna):
    for STR in nucleotide:
        groups = re.findall(rf'(?:{STR})+', dna)
        if len(groups) == 0:
            str_list[STR] = 0
        else:
            str_list[STR] = groups
    print(str_list)


if __name__ == "__main__":
   main(sys.argv[1:])

输出（from the print(str_list)）：

{'AGATC': ['AGATCAGATCAGATCAGATC'], 'AATG': ['AATG'], 'TATC': ['TATCTATCTATCTATCTATC']}

但是正如你所见，字典中的值也是连续存储的。如果我想在 str_list[STR] = len(groups) 中使用 len 函数，它将为字典中的每个键生成 1。因为我想找出 DNA 重复了多少次（总长度），并将其作为值存储在我的字典中。

所以，我想单独存放。有点像这样：

{'AGATC': ['AGATC', 'AGATC', 'AGATC', 'AGATC'], 'AATG': ['AATG'], 'TATC': ['TATC', 'TATC', 'TATC', 'TATC', 'TATC']}

我应该在我的代码中添加什么，以便它们可以像那样用昏迷分开？或者我可以将某些条件添加到我的 ReGex 代码中 groups = re.findall(rf'(?:{STR})+', dna) ?

我不想更改整个 ReGex 代码。因为我认为找到连续重复的最大长度的字符串已经很有用了。我为自己能够在没有帮助的情况下得到它感到自豪，因为我是 python 的初学者。请。谢谢。

Answer 1

我只存储最高重复次数：

    ...
    if len(groups) == 0:
        str_list[STR] = 0
    else:
        str_list[STR] = max(len(i)/len(str) for i in groups)
    ....

顺便说一句，这将正确处理存在多个序列的情况。

在字典中连续存储的单独值

Separate value that store consecutively in dictionary

python

regex

python-3.x

cs50