Python 在不更改文本文件的情况下更改值

我正在编写一个程序，该程序应该返回最小的序列比对分数（越小=越好），它与Coursera样本输入一起工作，但对于我们提供的数据集，我无法手动输入序列，因此我不得不求助于使用文本文件。有几件事我觉得很奇怪。 首先,

pattern = 'AAA'
DNA = open('practice_data.txt')
empty = []
for lines in DNA:
        line=lines.strip().strip('\n')
        empty.append(line)
print(empty)
print(smallest_distance(pattern, DNA))    

如果我运行这个，我的程序输出0。如果我注释掉循环，我的程序输出2。我没有改变DNA，为什么我的程序会有不同的表现呢？另外，我的strip（'\n'）正在工作（出于某种原因，strip（'n'）也可以工作），但我的strip（）不工作。一旦我弄明白了这一点，我就可以在我的最小距离函数中测试空

以下是我的数据：

ACTAG
CTTAGTATCACTCTGAAAAGAGATTCCGTATCGATGACCGCCAGTTAATACGTGCGAGAAGTGGACACGGCCGCCGACGGCTTCTACACGCTATTACGATG AACCAACAATTGCTCGAATCCTTCCTCAAAATCGCACACGTCTCTCTGGTCGTAGCACGGATCGGCGACCCACGCGTGACAGCCATCACCTATGATTGCCG 
TTAAGGTACTGCTTCATTGATCAACACCCCTCAGCCGGCAATCACTCTGGGTGCGGGCTGGGTTTACAGGGGTATACGGAAACCGCTGCTTGCCCAATAAT

etc...

写：

pattern = 'AAA'
DNA = open('practice_data.txt').read().splitlines()
newDNA = []
for line in DNA:
  newDNA += line.split() # create an array with strings then concatenate it with the newDNA array
print(smallest_distance(pattern, newDNA))

潜在错误：

print(smallest_distance(pattern, DNA))  

DNA是文件描述符，不是字符串数组。因为

DNA=open（'practice\u data.txt'）

因为循环消耗DNA。所以，如果您在最小距离处再次使用for loop

来处理DNA中的行：

，则它不起作用

更新： 在这种情况下，for循环从文件的开头一直到结尾。它不会像列表一样再次返回。除非调用

DNS.close（）

并再次初始化文件描述符

DNA=open（'practice\u data.txt'）

一个简单的例子，你可以试试

DNA = open('text.txt')
for lines in DNA:
        line=lines.strip().strip('\n')
        print (line) # print everything in the file here

print ('try again')
for lines in DNA:
        line=lines.strip().strip('\n')
        print (line) # will not print anything at all 

print ('done')

---

阅读了解更多详细信息

解决方案：

pattern = 'AAA'
with open('practice_data.txt') as f_dna:
    dna_list = [sequence for line in f_dna for sequence in line.split()]
print(smallest_distance(pattern, dna_list))

说明：

pattern = 'AAA'
with open('practice_data.txt') as f_dna:
    dna_list = [sequence for line in f_dna for sequence in line.split()]
print(smallest_distance(pattern, dna_list))

你已经接近解决方案了，但你需要重新定位

->

strip（）。
但是由于
\n
位于行的末尾，split将自动删除它，因为它被计为定界符

e、 g

现在，由于split返回一个
列表，您必须通过在列表操作之间进行简单的加法来remplace
.append（）

DNA = open('practice_data.txt')
empty = []
for lines in DNA:
    line = lines.split()
    empty += line

但是您的代码中仍然存在一些问题：

最好在打开文件时使用该语句，因为它会自动处理异常并在最后关闭文件描述符：

empty = []
with open('practice_data.txt') as DNA:  
    for lines in DNA:
        line = lines.split()
        empty += line

您的代码现在很好，您仍然可以使用列表理解进行重构（在python中非常常见）

如果你很难理解这一点；尝试用for循环重新组合它

empty = []
with open('practice_data.txt') as DNA:
    for line in DNA:
        for sequence in line.split():
            empty.append(sequence)

注意：@MrGeek解决方案可行，但有两个主要默认设置：


由于未使用
with
语句，因此该文件从未关闭，导致内存问题
使用
.read（）.splitlines（）
将文件的所有内容加载到内存中，如果文件太大，这可能导致
内存错误
异常

更进一步，处理大文件：

pattern = 'AAA'
with open('practice_data.txt') as f_dna:
    dna_list = [sequence for line in f_dna for sequence in line.split()]
print(smallest_distance(pattern, dna_list))

现在想象一下，如果你有一个1GO的文件，里面装满了DNA序列，即使你没有将所有的文件加载到内存中，你仍然有一个巨大的
dict
，更好的做法是为结果创建另一个文件，并动态处理你的DNA：

e、 g

警告：您必须确保您的函数
最小距离
接受
字符串
，而不是
列表

DNA = open('practice_data.txt')
empty = []
for lines in DNA:
    line = lines.split()
    empty += line

如果不可能，您可能需要处理批处理，但由于它有点复杂，我将不在这里讨论

现在，您可以使用Genator函数进行一些重构，以提高可读性

def extract_sequence(file, pattern):
    for line in file:
        for sequence in line.split():
            yield smallest_distance(pattern, sequence)

pattern = 'AAA'
with open('practice_data.txt') as f_dna, open('result.txt', 'w') as f_result:
    for result in extract_sequence(f_dna, pattern):
        f_result.write(result)

请给出练习_data.txt。你可以在gist.github.com上发帖，并在这里给我们链接。
的
循环消耗
DNA
。如果你把它注释掉，它就不会。这可能会对
最小距离（模式，DNA）
调用产生影响。我尝试了这一点，由于某种原因，我的列表中只有两个字符串。一个用于第一行，一个用于REST。empty在这里扮演什么角色？我想创建一个文本文件中所有字符串的列表，而不必手动输入它们。一行上可能有多个字符串。如果字符串在一行上，它们是如何分开的？我一直听到“consumes”这个词。你这是什么意思？消耗系统内存？感谢您提供的资源在此上下文中，“消耗”只是指“一行一行地从文件中读取，直到读取整个文件”。精彩的解释！感谢您花时间解释为什么即使某些方法在获得答案时有效，但它们不应用于其他原因。是的，我确实理解列表的理解，但无论如何还是要感谢您的透彻@DrJessop，这也是对我来说的，在编写嵌套列表理解之前，我总是先做循环的
for
s，然后再重构^^^无论如何，我很高兴你喜欢这个解释！