Python存储中的嵌套循环导致奇异字典

Question

晚上好所以，

随着我继续攻读本科学位，我目前正在从事一个项目，以更多地了解Python。我试图创建一个生物信息程序，它利用马尔可夫模型提供和预测整个过程中的某些P(x)语句。我正在清理我的代码，因为我已经发现了大量的重复。我并不是想要一个答案--更多的建议，或者向一个方向的推进--让我保持积极的、以Python为中心的思维方式。

在Python中有什么方法可以让我

aa_count = markov_data_set.count('AA')
at_count = markov_data_set.count('AT')
ag_count = markov_data_set.count('AG')
ac_count = markov_data_set.count('AC')
tt_count = markov_data_set.count('TT')
ta_count = markov_data_set.count('TA')
tg_count = markov_data_set.count('TG')
tc_count = markov_data_set.count('TC')
cc_count = markov_data_set.count('CC')
ca_count = markov_data_set.count('CA')
cg_count = markov_data_set.count('CG')
ct_count = markov_data_set.count('CT')
gg_count = markov_data_set.count('GG')
ga_count = markov_data_set.count('GA')
gt_count = markov_data_set.count('GT')
gc_count = markov_data_set.count('GC')

变成更简单的东西？我读过几本关于Python的书(关于Python的Crashcourse和用Python编写科学代码的入门)，我相信我可以使用循环或嵌套循环来使一些更短、更有组织的东西。我尝试过的例子如下：

di_nucleotide = ('AA', 'AT', 'AG', 'AC', 'TT', 'TA', 'TG', 'TC', 'CC', 'CA', 'CG', 'CT', 'GG', 'GA', 'GT', 'GC')
nucleotide_count = ()
nucleotide_frequency = []

for binomials in di_nucleotide:
     di_nucleotide.count()

问题是可悲的是..。我被困在那里了，这有点让人气馁。我想要的最终产品是将Var1和Var2存储到一个单独的字典文件中，我可以稍后存储或调用，同时根据需要将这两个变量分开。

di_nucleotide = ('AA', 'AT', 'AG', 'AC', 'TT', 'TA', 'TG', 'TC', 'CC', 'CA', 'CG', 'CT', 'GG', 'GA', 'GT', 'GC')
nucleotide_count = (int1, int2, int3, int4, ...)
nucleotide_frequency = ['AA':Count, 'AT'Count, 'AG'Count, ...]

这将是我在这方面的第一篇文章。我知道这可能不是寻求意见的最佳途径，但如果我可以做些什么，使我的职位在未来更好，请告诉我，以便我可以改进。

一如既往，谢谢大家，祝你们今天愉快！我期待着继续我的编码之旅。

Answer 1

使用itertools.product生成对：

import itertools

bases = 'ACGT'
nucs = [''.join(pair) for pair in itertools.product(bases, repeat=2)]
# ['AA', 'AC', 'AG' ....

然后，您可以在字典理解的循环中运行该函数，替换单个调用：

counts = {nuc: markov_data_set.count(nuc) for nuc in nucs}

counts是你结果的字典。钥匙是'AA'，'AC'等。

Answer 2

您可以将所有内容存储在字典中，这是动态生成的：

# initialise dictionary and total counts
nucleotide_counts = {}
total_counts = 0

# loop through dinucleotide counts
for dn in ['AA', 'AT', 'AG', 'AC', 'TT', 'TA', 'TG', 'TC', 'CC', 'CA', 'CG', 'CT', 'GG', 'GA', 'GT', 'GC']:
    # store in dictionary
    counts = markov_data_set.count(dn)
    nucleotide_counts[dn] = counts
    total_counts += counts

从那里，你可以产生频率：

frequencies = {}
for dn, counts in nucleotide_counts.items():
    frequencies[dn] = counts / total_counts