如何有条件地替换子列表中的项。

Question

我正在尝试生成一个列表中的列表。如果一个子列表元素更大，我将循环通过一个文件来更新列表。我写了下面的代码：

targets = open(file)

longest_UTR = []

for line in targets:

    chromosome, locus, mir, gene, transcript, UTR_length = line.strip("\n").split("\t")

    length_as_integer = int(UTR_length)

    if not any(x[:3] == [locus, mir, gene] for x in longest_UTR):

        longest_UTR.append([locus, mir, gene, transcript, length_as_integer])

    elif length_as_integer > [int(x[4]) for x in longest_UTR]: ##x[4] = previous length_as_integer

        longest_UTR.append([locus, mir, gene, transcript, length_as_integer])

print (longest_UTR)

然而，我得到了这个错误：

elif len_as_int > (int(x[4]) for x in longest_UTR):

TypeError: '>' not supported between instances of 'int' and 'generator'

如何将x[4]转换为整数以便与length_as_integer进行比较

谢谢

Answer 1

如果我没弄错的话，试着用下面的代码替换elif行：

else:
    longest_UTR = [[locus, mir, gene, transcript, length_as_integer] for x in longest_UTR if x[:3] == [locus, mir, gene] and length_as_integer > int(x[4]) else x]:

您遍历所有列表，更新匹配条件的列表，如果不匹配，则什么也不做。

Answer 2

因此，关于您的需求有一些来回，但我最终的理解是:您正在遍历一个数据集。此数据集中的每个target都有一个locus、mri和gene以及一个UTR_length属性。对于locus、mri和gene的每一种独特组合，您正在尝试查找具有最大UTR_Length的所有targets吗？

假设您想要在数据集中找到最大值，有两种方法。

1)您可以简单地将您的输入文件转换为pandas数据帧，按您的locus、mri和gene值进行分组，并返回所有带有max(UTR_Length)的值。从易于实现的角度来看，这可能是您最好的选择。然而，pandas并不总是正确的工具，它带来了大量的开销，特别是如果你想将你的项目Docker化。

2)如果你想使用基本的python包，我建议使用集合和字典：

targets = open(file)
list_of_targets = []    
for line in targets:

          chromosome, locus, mir, gene, transcript, UTR_length = line.strip("\n").split("\t")
          length_as_integer = int(UTR_length)

          list_of_targets.append((chromosome, locus, mir, gene, transcript, UTR_length))

# Generate Set of unqiue locus, mri, gene (lmg) combinations
set_of_locus_mri_gene = {(i[1], i[2], i[3]) for i in list_of_targets}

# Generate dictionary of maximum lengths for each distinct lmg combo
dict_of_max_lengths = {lmg: max([targets[5] for targets in list_of_targets if 
                                    (targets[1], targets[2], targets[3]) == lmg]) for 
                                    lmg in set_of_locus_mri_gene}

# Generate dictionary with lmg keys and all targets with corresponding max length
final_output = {lmg: [target for target in list_of_targets if target[5] == max_length] for
                        lmg, max_length in dict_of_max_lengths.items()}

Answer 3

由于您希望替换longest_UTR变量并保持事物的良好名称，因此可以使用字典而不是列表：

targets = open(file)
longest_UTR = {}

for line in targets: 
    chromosome, locus, mir, gene, transcript, UTR_length = line.strip("\n").split("\t")    
    length_as_integer = int(UTR_length)

    # Your condition works for initializing the dictionary because of the default value.
    if length_as_integer > longest_UTR.get("Length", -1):
        longest_UTR["Chromosome"] = chromosome
        longest_UTR["Locus"] = locus
        longest_UTR["Mir"] = mir
        longest_UTR["Gene"] = gene
        longest_UTR["Transcript"] = transcript
        longest_UTR["Length"] = length_as_integer

print (longest_UTR)

编辑:这里也是使用列表的代码版本，以防您有兴趣了解其中的差异。就我个人而言，我觉得这本字典比较好读。

targets = open(file)
longest_UTR = [None, None, None, None, None, -1]

for line in targets: 
    chromosome, locus, mir, gene, transcript, UTR_length = line.strip("\n").split("\t")    
    length_as_integer = int(UTR_length)

    # Your condition works for initializing the list because of the default value.
    if length_as_integer > longest_UTR[5]:
        longest_UTR[0] = chromosome
        longest_UTR[1] = locus
        longest_UTR[2] = mir
        longest_UTR[3] = gene
        longest_UTR[4] = transcript
        longest_UTR[5] = length_as_integer

print (longest_UTR)