标题不清楚,但下面是我想做的
我有一条基因组链:
corpus_2 = ['TCAATCAC', 'GGGGGGGGGGG', 'AAAA']
我想提取固定大小的所有子列表。假设我想要大小为4的子列表
我查找的结果示例:['TCAA', 'CAAT', 'AATC', 'ATCA', 'TCAC'], ['GGGG', 'GGGG', 'GGGG', 'GGGG', 'GGGG', 'GGGG', 'GGGG', 'GGGG'], ['AAAA']]
我们将索引0的子列表添加到索引3,然后添加一个新字符串等
这是我的密码:
ngram_size=4
corpus=['TCAA', 'CAAT', 'AATC', 'ATCA', 'TCAC'], ['GGGG', 'GGGG', 'GGGG', 'GGGG', 'GGGG', 'GGGG', 'GGGG', 'GGGG'], ['AAAA']]
decoliste=[] #list output
listemp=[] # I add one list by one list, each of these list corresponds to a list in input list.
for element in self.corpus:
# print(element)
decoliste.append(listemp)
listemp=[]
for i in range(len(element)):
try:
if len(element[i:i+self.ngram_size])==self.ngram_size:
listemp.append((element[i:i+self.ngram_size]))
except:
pass
decoliste.append(listemp)
del(decoliste[0])
print(decoliste)
我想知道你们是否可以给我一些关于如何大幅改进这段代码的提示(这段代码很长,老师不会喜欢的)
对于每个字符串,您可以遍历0与其长度减去
ngram_size
加1之间的所有索引,并获得从该索引开始的子字符串。使用列表理解将所有这些放在一起实际上使其非常优雅:使用^{} 的替代解决方案:
相关问题 更多 >
编程相关推荐