Python 计算连续的字母和连字符，并将其编码为游程长度

我如何对我的连字符fasta格式字符串进行编码，以将所有连续的核苷酸和连字符以及

将我的序列视为“ATGC---CGCTA---G---”。字符串的顺序为，后跟连字符。我试图将所有连续核苷酸分组为字母

M

，将连续连字符分组为字母

D

，并以子序列的大小作为前缀

此编码的最终结果应为

4M4D5M5D1M3D

下面的图示进一步说明了这一点

ATGC----CGCTA-----G---
 |   |    |    |  |  |
 V   V    V    V  V  V
4M   4D  5M    5D 1M 3D

当我使用

计数器

或

list.count（）

时，我得到

“M”：10“D”：12

：

from collections import Counter

seq="ATGC----CGCTA-----G---"

M=0
D=0   

cigar=[]

for char in seq:    
    if char.isalpha():
        M+=1
        cigar.append("M")   
    else:
        D+=1
        cigar.append("D")

print Counter(cigar)

---

这个问题是理想的解决方案

实施

from itertools import groupby
''.join('{}{}'.format(len(list(g)), 'DM'[k]) 
        for k, g in groupby(seq, key = str.isalpha))

输出 “4M4D5M5D1M3D”

解释

from itertools import groupby
''.join('{}{}'.format(len(list(g)), 'DM'[k]) 
        for k, g in groupby(seq, key = str.isalpha))

值得注意的是，关键功能在这里至关重要。根据序列是否为字母表对序列进行分组。完成后，应该直接计算每个组的大小，并从关键元素中找出组的类型

代码的一些解释

• 'DM'[k]

  ：如果k==True或者“D”

• len（list（g））

  ：确定每个组的大小。或者，它可以写为

  sum（对于e-in-g为1）

• '{}{}.format

  ：用于创建连续频率和类型的串联的字符串格式

• '.join（

  ）：以字符串顺序连接列表元素

经典方法：

seq="ATGC----CGCTA-----G---"

def MD(c):
    if c.isalpha():return "M"
    else : return "D"

count=1
string=""
for i in range(len(seq)-1):
    if MD(seq[i])==MD(seq[i+1]): count+=1
    else: 
        string=string+str(count)+MD(seq[i])
        count=1
string=string+str(count)+MD(seq[-1])
print string

---

你的问题是什么？问题是：我正在努力实现4M4D5M5D1M3D@JoseRicardoBustosM.：您的解决方案在哪里？或者我遗漏了什么？非常好且优雅的解决方案！也许可以对问题进行编辑以更好地反映实际问题？我不会这么简洁，如果k是“D”，请使用

“M”

。您阅读代码的频率比编写代码的频率高！