循环是硬的[Python]

不是程序员的职业，请原谅，如果这是显而易见的。我不能循环：/

我有3个清单：

gene_concepts[0] = ['+0|+77|CFTR', '+12|+77|CYP2C19']

genes = ['CFTR', 'CFTR', 'CFTR', 'CFTR', 'CFTR', 'CFTR', 'CFTR', 
'CFTR', 'CFTR', 'CFTR', 'CFTR', 'CFTR', 'CYP2C19', 'CYP2C19', 
'CYP2C19', 'CYP2C19', 'CYP2C19', 'CYP2C19', 'CYP2C19', 'CYP2C19']

haplotypes = ['CFTR F508del(CTT)', 'CFTR F508del(TCT)', 'CFTR G1244E', 
'CFTR G1349D', 'CFTR G178R', 'CFTR G551D', 'CFTR G551S', 'CFTR S1251N', 
'CFTR S1255P', 'CFTR S549N', 'CFTR S549R(A>C)', 'CFTR S549R(T>G)', 
'CYP2C19 *10', 'CYP2C19 *10', 'CYP2C19 *10', 'CYP2C19 *10', 'CYP2C19 
*10', 'CYP2C19 *10', 'CYP2C19 *10', 'CYP2C19 *10']

请注意，单倍型和基因匹配（即，单倍型列表中字符串的第一项为“CFTR”，并与基因列表中列表的第一个元素匹配…因此它们是有序的）

我想建立一个新的列表或只是输出一组字符串，这样具有相同基因的单倍型（因此基因可能相互匹配，或者单倍型字符串的第一部分的子字符串，以两者中的哪个为准）被分配一个特定的代码，该代码在gene_概念列表中找到，并对应于“|”之前的第一个术语字符串列表中的分隔符

所需输出为：

+21|+0|CFTR F508del(CTT)
+22|+0|CFTR F508del(TCT)
+23|+0|CFTR G1244E
+24|+0|CFTR G1349D
+25|+0|CFTR G178R
+26|+0|CFTR G551D
+27|+0|CFTR G551S
+28|+0|CFTR S1251N
+29|+0|CFTR S1255P
+30|+0|CFTR S549N
+31|+0|CFTR S549R(A>C)
+32|+0|CFTR S549R(T>G)
+33|+12|CYP2C19 *10
+34|+12|CYP2C19 *10
+35|+12|CYP2C19 *10
+36|+12|CYP2C19 *10
+37|+12|CYP2C19 *10
+38|+12|CYP2C19 *10
+39|+12|CYP2C19 *10
+40|+12|CYP2C19 *10

所以上面文本的第一部分是“+21…+39是临时代码”…这只是我分配给它的一个任意id来跟踪。分隔符之间的部分是我试图分配匹配基因的代码。第二个分隔符后的最后一部分是单倍型

这是我到目前为止的代码

def generate_haplotype_concepts(gene_concepts[0], haplotypes):
    temp_code_2 = 20
    index = 0

    for batch_line in gene_concepts[0]:
        gene_parent_code = batch_line.split("|")[0]
        gene_parent_medcodes.append(gene_parent_code)

    index_gene = 0
    index_parent_code = 0
    for gene in genes:
        if (index_gene == 0):
            print("+" + str(temp_code_2) + "|"
                  + gene_parent_medcodes[index_parent_code] + "|"
                  + haplotypes[index_gene])
            index_gene += 1
        elif (genes[index_gene] == genes[index_gene-1]):             
            print("+" + str(temp_code_2) + "|"
                  + gene_parent_medcodes[index_parent_code] + "|"
                  + haplotypes[index_gene-1])
        else:
            index_parent_code += 1
            print("+" + str(temp_code_2) + "|"
                  + gene_parent_medcodes[index_parent_code] + "|"
                  + haplotypes[index_gene])
        index_gene += 1
        temp_code_2 += 1  

generate_haplotype_concepts(gene_concepts[0], haplotypes) 

我的输出是：

+21|+0|CFTR F508del(CTT)
+22|+0|CFTR F508del(TCT)
+23|+0|CFTR G1244E
+24|+0|CFTR G1349D
+25|+0|CFTR G178R
+26|+0|CFTR G551D
+27|+0|CFTR G551S
+28|+0|CFTR S1251N
+29|+0|CFTR S1255P
+30|+0|CFTR S549N
+31|+0|CFTR S549R(A>C)
+32|+12|CYP2C19 *10
+33|+12|CYP2C19 *10
+34|+12|CYP2C19 *10
+35|+12|CYP2C19 *10
+36|+12|CYP2C19 *10
+37|+12|CYP2C19 *10
+38|+12|CYP2C19 *10
+39|+12|CYP2C19 *10

我看到两个问题…我缺少最后一个CFTR单倍型（+32 |+0 | CFTR S549R（T>G）应该在那里），并且我得到了一个“列表索引超出范围”错误

-----------------------------------------------------------------------
----
索引器回溯（最近的调用）
最后)
在（）
55
56
--->57生成单倍型概念（基因概念[0]，单倍型）
在里面
生成单体型概念（临时编码单体型）
30#+“\n”）
31指数_基因+=1
--->32 elif（基因[指数基因]==基因[指数基因-1]）：
33打印（“+”+str（临时代码）+“|”
34+基因\父\子代码[索引\父\子代码]+
"|"
索引器：列表索引超出范围

---

为我所犯的任何错误道歉…我尝试过发布比我实际所做的更简单的代码，但问题是一样的…感谢任何帮助！

为了帮助你解决你在循环中似乎面临的主要问题，我们应该看看你在循环什么。与其循环基因，不如循环你的单倍型，然后在每次迭代中，选择感兴趣的部分并与基因列表进行比较。下面的例子将有助于说明这一点

for haplotype in haplotypes:
    if haplotype.split()[0] in genes:
        print(haplotype)

因此，这里发生的事情是，对于每个

单倍型

，我们将处理一个字符串。根据您提供的示例数据，我们可以在空格上拆分这个字符串，因此我们只能查看拆分的第一部分。在Python中，

拆分

实际上是获取一个字符串并将其转换为列表基d在某个“分隔符”上。在本例中是一个空格。然后，

[0]

部分将简单地获取此列表的第一个索引，这正是我们感兴趣的部分

从这里，您将看到我们在关键字中使用了

。这将简单地查找基因，看看感兴趣的字符串是否在
基因
列表中。现在您已经为您感兴趣的每个单倍型设置了条件。从那里，我相信您可以将该代码作为前缀，如下所示：

for haplotype in haplotypes:
    if haplotype.split()[0] in genes:
        print("your code {}".format(haplotype))

以下内容可能会有所帮助（请注意检查意外情况的重要性）：

单倍型=['CFTR F508del（CTT）''CFTR F508del（TCT）''CFTR G1244E''CFTR G1349D'、'CFTR G178R'、'CFTR G551D'、'CFTR S1251N'、'CFTR S1255P'、'CFTR S549N'、'CFTR S549R（A>C）'、'CYP2C19*10'、'CYP2C19*10'、'CYP2C19*10'、'CYP19*10'、'CYP19*10']
gene#u concepts={'CFTR'：0，'CYP2C19'：12}字典很有用
对于单倍型中的x：
prefix=x.split（）[0]#通过在空格上拆分并查看第一个空格前的子字符串来获取前缀
如果前缀在基因概念中：#我们认识这个基因概念吗？
打印（“{0}{1}”。格式（基因概念[前缀]，x））
否则：#如果没有，请通知用户
print（'Gene with unknown concept:“{0}”。格式（x））

给出输出：

0|CFTR F508del(CTT)
0|CFTR F508del(TCT)
0|CFTR G1244E
0|CFTR G1349D
0|CFTR G178R
0|CFTR G551D
0|CFTR G551S
0|CFTR S1251N
0|CFTR S1255P
0|CFTR S549N
0|CFTR S549R(A>C)
0|CFTR S549R(T>G)
12|CYP2C19 *10
12|CYP2C19 *10
12|CYP2C19 *10
12|CYP2C19 *10
12|CYP2C19 *10
12|CYP2C19 *10
12|CYP2C19 *10
12|CYP2C19 *10

这可能不是你想要的，但我认为更接近。通过更改字典中的值，你应该能够实现你想要的。
我认为你想要这样的东西：

gene_concepts = {} # just initializes an empty dictionary to fill on the next line

gene_concepts[0] = ['+0|+77|CFTR', '+12|+77|CYP2C19']

# we don't actually end up using the genes list, since we can get the same info from the first part of each haplotype
genes = ['CFTR', 'CFTR', 'CFTR', 'CFTR', 'CFTR', 'CFTR', 'CFTR', 
'CFTR', 'CFTR', 'CFTR', 'CFTR', 'CFTR', 'CYP2C19', 'CYP2C19', 
'CYP2C19', 'CYP2C19', 'CYP2C19', 'CYP2C19', 'CYP2C19', 'CYP2C19'] 

haplotypes = ['CFTR F508del(CTT)', 'CFTR F508del(TCT)', 'CFTR G1244E', 
'CFTR G1349D', 'CFTR G178R', 'CFTR G551D', 'CFTR G551S', 'CFTR S1251N', 
'CFTR S1255P', 'CFTR S549N', 'CFTR S549R(A>C)', 'CFTR S549R(T>G)', 
'CYP2C19 *10', 'CYP2C19 *10', 'CYP2C19 *10', 'CYP2C19 *10', 'CYP2C19 *10',
'CYP2C19 *10', 'CYP2C19 *10', 'CYP2C19 *10']

# split the gene_concepts strings into usable pieces
gene_concept_codes = {} # create a dictionary for looking up gene_concepts by gene name
for gene_concept in gene_concepts[0]:
    pieces = gene_concept.split('|')  # this turns a string like "+0|+77|CFTR" into a list like ["+0", "+77", "CFTR"]
    gene_concept_codes[pieces[2]] = pieces # add the list to the dictionary, with the gene name as key

temp_id = 20 # arbitrary to match your values, change it however you need

# for each haplotype, match it up with the right gene_concept info
for haplotype in haplotypes:
    temp_id += 1
    gene = haplotype.split()[0] # pull out the name of the gene
    print("+{}|{}|{}".format(temp_id, gene_concept_codes[gene][0], haplotype)) # gene_concept_codes[gene] will be the list like ["+0", "+77", "CFTR"], so [0] gives us the first element of that list

这将提供所需的输出：

+21|+0|CFTR F508del(CTT)
+22|+0|CFTR F508del(TCT)
+23|+0|CFTR G1244E
+24|+0|CFTR G1349D
+25|+0|CFTR G178R
+26|+0|CFTR G551D
+27|+0|CFTR G551S
+28|+0|CFTR S1251N
+29|+0|CFTR S1255P
+30|+0|CFTR S549N
+31|+0|CFTR S549R(A>C)
+32|+0|CFTR S549R(T>G)
+33|+12|CYP2C19 *10
+34|+12|CYP2C19 *10
+35|+12|CYP2C19 *10
+36|+12|CYP2C19 *10
+37|+12|CYP2C19 *10
+38|+12|CYP2C19 *10
+39|+12|CYP2C19 *10
+40|+12|CYP2C19 *10

我不确定你是否能控制它，但是你的
gene\u概念应该是一本字典。如果你转换（如我下面所做的），那么匹配操作就变成了一个简单的查找：

gene_concepts = [None]
gene_concepts[0] = ['+0|+77|CFTR', '+12|+77|CYP2C19']

genes = ['CFTR', 'CFTR', 'CFTR', 'CFTR', 'CFTR', 'CFTR', 'CFTR',
'CFTR', 'CFTR', 'CFTR', 'CFTR', 'CFTR', 'CYP2C19', 'CYP2C19',
'CYP2C19', 'CYP2C19', 'CYP2C19', 'CYP2C19', 'CYP2C19', 'CYP2C19']

haplotypes = ['CFTR F508del(CTT)', 'CFTR F508del(TCT)', 'CFTR G1244E',
'CFTR G1349D', 'CFTR G178R', 'CFTR G551D', 'CFTR G551S', 'CFTR S1251N',
'CFTR S1255P', 'CFTR S549N', 'CFTR S549R(A>C)', 'CFTR S549R(T>G)',
'CYP2C19 *10', 'CYP2C19 *10', 'CYP2C19 *10', 'CYP2C19 *10', 'CYP2C19 *10',
'CYP2C19 *10', 'CYP2C19 *10', 'CYP2C19 *10']

def generate_haplotype_concepts(gene_concepts, genes, haplotypes):
    """Match gene id's in (genes+haplotypes) with genes in concepts list."""

    # Convert concepts into dictionary:
    gc = { t3[2]:t3[0] for t3 in map(lambda s: s.split('|'), gene_concepts)}

    # Look up gene/haplotype prefix in gc dictionary for concept
    for gene, hap in zip(genes, haplotypes):
        concept = gc.get(gene)

        if concept is None:
            hprefix = hap.split()[0]
            concept = gc.get(hprefix)

            if concept is None:
                raise ValueError("Missing gene/prefix: {}/{} in hap {}".format(
                    gene, hprefix, hap))

        yield concept, hap

print("##### Concept|Haplotype, no ID #####")
for concept, haplotype in generate_haplotype_concepts(gene_concepts[0], genes, haplotypes):
    print("{}|{}".format(concept, haplotype))

print("\n\n##### ID|Concept|Haplotype #####")

for iden, (cept, hapl) in enumerate(generate_haplotype_concepts(gene_concepts[0], genes, haplotypes), start=21):
    print("+{}|{}|{}".format(iden, cept, hapl))

在循环的第一次迭代中，您将执行两次
index\u gene+=1
。删除
if
语句中的
index\u gene+=1
行。不要尝试手动进行分组。改用
itertools.groupby
并建立一个值列表，然后可以使用
str.join
添加管道字符例如，对于
+21 |+0 | CFTR F508del（CTT）
建立一个列表x=
['+21'，'+0'，CFTR F508del（CTT）]
，然后执行
'.\code>。加入（x）
，它会更干净。谢谢！现在我已经将第一个单倍型重复了两次，所以我正在调试它……你没有定义一个基因父代。你不能使用[0]作为变量名的一部分。其中一个“if else”案例使用index_gene-1，其余所有案例都使用index_gene。与其（错误地）保留计数器，不如使用enumerate。Validate len（genes）==len（单倍型）或抛出异常。谢谢，我输入了一个拼写错误，gene_parent_medcodes在原始代码的上方某处被声明为空列表。还有[0]变量名中只有一个元组，由上面没有显示的函数返回，所以我访问元组中的第一个元素，它是一个列表。我不确定“if-else”有什么问题使用索引_gene-1，bc，我确实希望它在该实例中分配前面的代码。基因和单倍型的长度是相同的，并且在我的测试环境下不能不同，但我意识到
gene_concepts = [None]
gene_concepts[0] = ['+0|+77|CFTR', '+12|+77|CYP2C19']

genes = ['CFTR', 'CFTR', 'CFTR', 'CFTR', 'CFTR', 'CFTR', 'CFTR',
'CFTR', 'CFTR', 'CFTR', 'CFTR', 'CFTR', 'CYP2C19', 'CYP2C19',
'CYP2C19', 'CYP2C19', 'CYP2C19', 'CYP2C19', 'CYP2C19', 'CYP2C19']

haplotypes = ['CFTR F508del(CTT)', 'CFTR F508del(TCT)', 'CFTR G1244E',
'CFTR G1349D', 'CFTR G178R', 'CFTR G551D', 'CFTR G551S', 'CFTR S1251N',
'CFTR S1255P', 'CFTR S549N', 'CFTR S549R(A>C)', 'CFTR S549R(T>G)',
'CYP2C19 *10', 'CYP2C19 *10', 'CYP2C19 *10', 'CYP2C19 *10', 'CYP2C19 *10',
'CYP2C19 *10', 'CYP2C19 *10', 'CYP2C19 *10']

def generate_haplotype_concepts(gene_concepts, genes, haplotypes):
    """Match gene id's in (genes+haplotypes) with genes in concepts list."""

    # Convert concepts into dictionary:
    gc = { t3[2]:t3[0] for t3 in map(lambda s: s.split('|'), gene_concepts)}

    # Look up gene/haplotype prefix in gc dictionary for concept
    for gene, hap in zip(genes, haplotypes):
        concept = gc.get(gene)

        if concept is None:
            hprefix = hap.split()[0]
            concept = gc.get(hprefix)

            if concept is None:
                raise ValueError("Missing gene/prefix: {}/{} in hap {}".format(
                    gene, hprefix, hap))

        yield concept, hap

print("##### Concept|Haplotype, no ID #####")
for concept, haplotype in generate_haplotype_concepts(gene_concepts[0], genes, haplotypes):
    print("{}|{}".format(concept, haplotype))

print("\n\n##### ID|Concept|Haplotype #####")

for iden, (cept, hapl) in enumerate(generate_haplotype_concepts(gene_concepts[0], genes, haplotypes), start=21):
    print("+{}|{}|{}".format(iden, cept, hapl))