在python3中初始化和访问字符串的2D数组

Question

我正试图从python3中的.fasta文件初始化一个序列的2D矩阵，但是我不知道如何正确地初始化它，在这里我可以访问单个字符

例如。 我想拍：

s1 = "CATTAG"
s2 = "GGTCAC"

做一些类似的事情

matrix = [s1][s2]

会形成什么

x C A T T A G G G T C A C

我可以单独访问矩阵中的元素并改变它们的值

matrix[0][0] = 0

正在创建

x C A T T A G G 0 G T C A C

非常感谢您的帮助

Answer 1

假设您可以使用pandas这样的库，如果索引具有唯一的值，那么这是实现目标的一种简单方法：

from itertools import product  # standard Python library
from pandas import Series, MultiIndex  # you may need to install this package `pandas`

s1 = 'CATG'
s2 = 'GTCA'
idx = MultiIndex.from_tuples(product(s1, s2)
df = Series(data=None, index=idx))

df['C']['G'] = 0

print(df)

但是，由于您提供的索引具有重复的值（即在'CATTAG'中有两个'A'和两个'T'），因此您不能以简单的方式单独索引这些单元格

代码仍然可以工作，但是结果可能会非常混乱，可能不是您想要的

如果您只是希望使用整数编制索引，则解决方案类似：

from itertools import product  # standard Python library
import pandas as pd  # you may need to install this package `pandas`

idx = pd.MultiIndex.from_tuples(product(range(6), range(6)))
df = pd.Series(data=None, index=idx)

df[0][0] = 0

print(df)

另一种方法（产生实际的2d矩阵）：

import pandas as pd  # you may need to install this package `pandas`

df = pd.DataFrame(index=range(6), columns=pd.Series(range(6)))

df[0][0] = 0

print(df)

似乎您希望将字符存储为数据，这是可以做到的-尽管这似乎是个坏主意，但您可以使用以下替代方法：

import pandas as pd  # you may need to install this package `pandas`

s1 = 'CATTAG'
s2 = 'GGTCAC'
df = pd.DataFrame(index=range(len(s1)+1), columns=pd.Series(range(len(s2)+1)))

df.loc[0] = pd.Series(list('x'+s1))
df[0] = pd.Series(list('x'+s2))
df[1][1] = 0

print(df)

输出：

   0    1    2    3    4    5    6
0  x    C    A    T    T    A    G
1  G    0  NaN  NaN  NaN  NaN  NaN
2  G  NaN  NaN  NaN  NaN  NaN  NaN
3  T  NaN  NaN  NaN  NaN  NaN  NaN
4  C  NaN  NaN  NaN  NaN  NaN  NaN
5  A  NaN  NaN  NaN  NaN  NaN  NaN
6  C  NaN  NaN  NaN  NaN  NaN  NaN

如果您想知道更大数据帧的性能：

import timeit
import random
import pandas as pd  # you may need to install this package `pandas`


def define(size):
    global df
    df = pd.DataFrame(index=range(size), columns=pd.Series(range(size)))


def updates(x, size):
    global df
    for _ in range(x):
        df[random.randint(0, size-1)][random.randint(0, size-1)] = random.randint(0, 100)


print('create:', timeit.timeit(lambda: define(10000), number=2))
print('update:', timeit.timeit(lambda: updates(100000, 10000), number=2))

（每个测试运行两次，10000 x 10000个元素，100000个更新）

结果（秒）：

create: 15.3850586
update: 20.7603317

不是闪电般的速度，也不是年龄。使用numpy可以获得更好的性能，但可能会丢失一些好用的功能。最初的问题并不意味着数据大小如此之大。使用numpy：

import timeit
import random
import numpy as np  # you may need to install this package `numpy`


def define(size):
    global arr
    arr = np.zeros(shape=(size, size))


def updates(x, size):
    global arr
    for _ in range(x):
        arr[random.randint(0, size-1)][random.randint(0, size-1)] = random.randint(0, 100)


print('create:', timeit.timeit(lambda: define(10000), number=2))
print('update:', timeit.timeit(lambda: updates(100000, 10000), number=2))

快了一个数量级：

create: 0.019482200000000005
update: 1.5629257