Блог

Я хочу выполнить итерацию по списку kmers, и выбранные элементы содержат только символы A, T, G и C

 kmers=["AL","AT","GC","AA","AP"]

for kmer in kmers:       
    for letter in kmer:
        if letter not in ["A","T","G","C"]:
            pass
        else:
            DNA_kmers.append(kmer)
            print("DNA_kmers",DNA_kmers)
  

вывод:

 DNA_kmers ['AL', 'AT', 'AT', 'GC', 'GC', 'AA', 'AA', 'AP']
  

желаемый результат:

 DNA_kmers=["AT","GC","AA"]
  

Единственный метод, который я знаю, это

 if "B" in kmer or "D" in kmer or "E" in kmer or "F" in kmer or "H" in kmer or "I" in kmer or "J" in kmer or "K" in kmer or "L" in kmer or "M" in kmer or "N" in kmer or "O" in kmer or "P" in kmer or "Q" in kmer or "R" in kmer or "S" in kmer or "U" in kmer or "V" in kmer or "W" in kmer or "X" in kmer or "Y" in kmer or "Z" in kmer:
   pass
  

В данный момент ваш код будет добавлять любые элементы, в которых любой символ совпадает. Мы можем настроить его так, чтобы добавлять только элементы, в которых совпадают оба символа:

 kmers=["AL","AT","GC","AA","AP"]
DNA_kmers =[]

for kmer in kmers:       
    for letter in kmer:
        if letter not in ["A","T","G","C"]:
            break
    else:
        DNA_kmers.append(kmer)

print("DNA_kmers",DNA_kmers)
  

Если вы не знакомы с Python, я использовал else предложение в for цикле. Это доступно не на всех языках. else Блок будет запущен тогда и только тогда, когда цикл завершит все итерации.

Существуют значительно более простые способы сделать то, что вы пытаетесь сделать. Например, следующее выполнит работу, используя понимание вложенного списка:

 kmers=["AL","AT","GC","AA","AP"]

allowed = set("AGCT")
print([k for k in kmers if all([c in allowed for c in k])])
  

Более производительным решением общего назначения является использование регулярных выражений:

 import re

kmers=["AL","AT","GC","AA","AP"]
r = re.compile("^[ATGC]*$")
print([k for k in kmers if r.match(k)])
  

Если мы ограничим проблему только k-мер, где k = 2, мы сможем дополнительно оптимизировать производительность. Производительность регулярных выражений должна немного увеличиться при сопоставлении строки фиксированной длины, например, с помощью [AGCT]{2} . Мы также можем использовать product для создания набора, который будет использоваться для поиска в постоянное время:

 import itertools

kmers=["AL","AT","GC","AA","AP"]

allowed = {a b for a,b in itertools.product("AGCT", repeat=2)}
print([k for k in kmers if k in allowed])