Python计算具有多个键的值的所有实例

跳转到编辑以获得更好的解释

我已经试着解决这个问题好几个小时了，但我的头很痛（特别是因为我之前已经解决了，但不记得怎么解决了，我使用解决方案的脚本存储在学校的计算机上）

这就是我的问题。在给定的a、T、G和C序列中（是的，这就是DNA），我必须找到所有的氨基酸，并计算它们的数量。用外行的话说，归根结底就是这个

我必须在序列中搜索特定的模式（也称为密码子）。这些是A和/或T和/或G和/或C的三个字母长的序列。每个氨基酸至少有一个密码子与其相关。我的工作是计算每种氨基酸的含量

在第二张图中，你会看到左边是氨基酸，右边是相关的密码子

我有一本这样设置的词典：

    aaDic = {'ttt': 'F', 'tct': 'S', 'tat': 'Y', 'tgt': 'C',
    'ttc': 'F', 'tcc': 'S', 'tac': 'Y', 'tgc': 'C',
    'tta': 'L', 'tca': 'S', 'taa': '*', 'tga': '*',
    'ttg': 'L', 'tcg': 'S', 'tag': '*', 'tgg': 'W',
    'ctt': 'L', 'cct': 'P', 'cat': 'H', 'cgt': 'R',
    'ctc': 'L', 'ccc': 'P', 'cac': 'H', 'cgc': 'R',
    'cta': 'L', 'cca': 'P', 'caa': 'Q', 'cga': 'R',
    'ctg': 'L', 'ccg': 'P', 'cag': 'Q', 'cgg': 'R',
    'att': 'I', 'act': 'T', 'aat': 'N', 'agt': 'S',
    'atc': 'I', 'acc': 'T', 'aac': 'N', 'agc': 'S',
    'ata': 'I', 'aca': 'T', 'aaa': 'K', 'aga': 'R',
    'atg': 'M', 'acg': 'T', 'aag': 'K', 'agg': 'R', 
    'gtt': 'V', 'gct': 'A', 'gat': 'D', 'ggt': 'G',
    'gtc': 'V', 'gcc': 'A', 'gac': 'D', 'ggc': 'G',
    'gta': 'V', 'gca': 'A', 'gaa': 'E', 'gga': 'G',
    'gtg': 'V', 'gcg': 'A', 'gag': 'E', 'ggg': 'G'
   }

我当然可以计算每个密码子出现的数量，但是因为每个氨基酸都有不止一个密码子，我真的需要特定密码子的总和

    for codons in aaDic:
    s.count(codons)

（s是上述代码中a、t、c、g的顺序）。例如：

tta，ttg，ctt，ctc，cta，ctg都与氨基酸“L”有关，所以我需要对所有出现的tta，ttg，ctt，ctc，cta，ctg求和，得到氨基酸“L”的出现总量

我希望我足够清楚，这有点难以解释，特别是在尝试为自己这么久而失败之后（这通常表明你对自己正在做的事情几乎一无所知，至少我是这样的：D）

编辑：

让我试着让自己更清楚一点：

我们得到一个由字母a、T、C和G组成的序列

我们必须三三两两地解析这个序列

假设序列为“TTCTTACTC” 我们得到“TTC”，“TTA”，“CTC”

我们现在在字典中查找这些键，并找到相关的氨基酸： TTC是F 埃塔是L CTC是L

我们需要计算F、L和字典中任何其他值（FLIMVSPTAY*HQNKDECWRSG）的数量并存储在列表中

所需的输出将是如下所示的字典：

---

如果您使用Python2.7或更高版本，则可以使用

collections.Counter

对氨基酸进行计数。首先，将碱基序列拆分为密码子，然后计算每个密码子对应的氨基酸：

base_seq = "atcgtgagt"
codons = [base_seq[i:i + 3] for i in range(0, len(base_seq), 3)]
amino_acid_counts = collections.Counter(aaDict[c] for c in codons)

注意，生成器表达式

（aaDict[c]表示密码子中的c）

生成氨基酸序列，而不管它们是由哪个密码子编码的

如果使用早期版本的Python，还可以使用普通字典进行计数：

amino_acid_counts = dict.fromkeys(aaDict.values(), 0)
for c in codons:
    amino_acid_counts[aaDict[c]] += 1

---

如果您使用Python2.7或更高版本，则可以使用

collections.Counter

对氨基酸进行计数。首先，将碱基序列拆分为密码子，然后计算每个密码子对应的氨基酸：

base_seq = "atcgtgagt"
codons = [base_seq[i:i + 3] for i in range(0, len(base_seq), 3)]
amino_acid_counts = collections.Counter(aaDict[c] for c in codons)

注意，生成器表达式

（aaDict[c]表示密码子中的c）

生成氨基酸序列，而不管它们是由哪个密码子编码的

如果使用早期版本的Python，还可以使用普通字典进行计数：

amino_acid_counts = dict.fromkeys(aaDict.values(), 0)
for c in codons:
    amino_acid_counts[aaDict[c]] += 1

---

如果您没有2.7+，您仍然可以使用

defaultdict

：

counts = collections.defaultdict(int)
for k in aaDic:
    counts[aaDic[k]] += 1

---

如果您没有2.7+，您仍然可以使用

defaultdict

：

counts = collections.defaultdict(int)
for k in aaDic:
    counts[aaDic[k]] += 1

请尝试以下操作：

y = {}
for x in aaDic.items():
    y[x[1]] = []
for x in aaDic.items():
    y[x[1]].append(x[0])

然后，您可以使用X键查找所有值：

xkv = [ k for k in y.keys() if len(y[k]) == X ]

请尝试以下操作：

y = {}
for x in aaDic.items():
    y[x[1]] = []
for x in aaDic.items():
    y[x[1]].append(x[0])

然后，您可以使用X键查找所有值：

xkv = [ k for k in y.keys() if len(y[k]) == X ]

---

使用从@sven marnach分离的密码子：

base_seq = "atcgtgagt"

# split sequence, 3 by 3
codons = [base_seq[i:i + 3] for i in range(0, len(base_seq), 3)]

# for each codon we have, obtain his associated amino_acid from aaDic
amino_acids = map(aaDic.get, base_seq)
# here, amino_acids is ['I', 'V', 'S']

i_count = amino_acids.count('I')
# and so on

然后，您可以将生成的dict与以下内容组合：

aa_names = set(aaDic.values())
return dict((aa_name, amino_acids.count(aa_name) for aa_name in aa_names))

---

使用从@sven marnach分离的密码子：

base_seq = "atcgtgagt"

# split sequence, 3 by 3
codons = [base_seq[i:i + 3] for i in range(0, len(base_seq), 3)]

# for each codon we have, obtain his associated amino_acid from aaDic
amino_acids = map(aaDic.get, base_seq)
# here, amino_acids is ['I', 'V', 'S']

i_count = amino_acids.count('I')
# and so on

然后，您可以将生成的dict与以下内容组合：

aa_names = set(aaDic.values())
return dict((aa_name, amino_acids.count(aa_name) for aa_name in aa_names))

---

请小心使用

.count

，因为它不尊重密码子边界，例如当您可能需要0时，

'aacgag.count（'cga'）==1

。DNA序列应该三乘三解析？从技术上讲，这不是家庭作业。我在上大学，我们可以使用任何我们想要的资源。我们刚刚接到一项任务，我们必须完成它，并在周末提交。实际的赋值比这要复杂一点，但这是我需要解决的部分。是的，DNA应该三乘三地解析……使用

.count

时要小心，因为它不尊重密码子边界，例如

'aacgag'.count（'cga'））==1

当您可能需要0时。DNA序列应该三乘三解析？从技术上讲，这不是家庭作业。我在上大学，我们可以使用任何我们想要的资源。我们刚刚接到一项任务，我们必须完成它，并在周末提交。实际的分配比这稍微复杂一些，但这是我需要解决的部分。是的，DNA应该被三乘三地解析…这导致

密码子
为
['atc'，'gtg'，'agt']
。这导致
密码子
为
['atc'，'gtg'，'agt']
。刚试过，但这不是我想要的。它的作用是计算给定字典中某个值出现的频率。我需要的是其他东西，我会编辑我的帖子，并尝试更好地解释。只是尝试了一下，但这不是我想要的。它的作用是计算给定字典中某个值出现的频率。我需要的是其他东西，我会编辑我的帖子，并尝试更好地解释。