python中的更快方法

Question

我编写这段代码是为了获得大量的爆炸结果，但是它看起来并不慢，因为我使用两个'for‘循环来迭代两个files.So，我想知道是否有一种更快、更贪婪的方法来缩小迭代范围。

这是密码

for tf_line in SeqIO.parse('deneme2.txt','fasta'):
    tf_line.description=tf_line.description.split()
    tempfile=open('tempfile.txt','w')
    for cd_line in SeqIO.parse('Mus_musculus.GRCm38.74.cdna.all.fa','fasta'):
        if cd_line.id==tf_line.description[1]:
            tempfile.write('>'+cd_line.id+'\n'+
                str(cd_line.seq)[int(tf_line.description[2])-100:
                                 int(tf_line.description[3])+100])
            tempfile.close()
            os.system('makeblastdb -in tempfile.txt -dbtype nucl '
                      '-out tempfile.db -title \'tempfile\'')
            cline = NcbiblastnCommandline(query='SRR029153.fasta' ,
                                          db="tempfile.db",
                                          outfmt=7,
                                          out=(tf_line.description[0]+' '+
                                               tf_line.description[1]))
            stdout,stderr=cline()

“deneme.txt”有30 Mb大，类似这样的东西：

999 029153.93098 ENSMUST00000103567 999 1147 151 029153.83280 ENSMUST00000181483 151 425 CAGGTTGAC ENSMUST00000184883 174 1415 TGGCACCTTTGC .

“Mus_musculus.GRCm38.74.cdna.all.fa”文件的大小为170 Mb，如下所示：

ENSMUST00000181483螨虫. ENSMUST00000184883 ATCTTTTTTCTTTCAGGG.

'Mus_musculus.GRCm38.74.cdna.all.fa‘文件有一些序列id’s(ENSMUST.).I必须找到'deneme.txt‘文件和'Mus_musculus.GRCm38.74.cdna.all.fa’文件之间的匹配。

它应该需要4-5小时，但是使用此代码至少需要10小时。

任何帮助都会受到感谢，因为我必须摆脱这种残酷的算法，变得更贪婪。谢谢

Answer 1

我认为这仍然产生同样的爆炸，但应该更快。请阅读代码中的注释，以获得更多的优化：

tf_data = {key: (int(val1), int(val2)) for key, val1, val2 in
           (line.description.split() for line in
            SeqIO.parse('deneme2.txt','fasta'))}

for cd_line in SeqIO.parse('Mus_musculus.GRCm38.74.cdna.all.fa','fasta'):
    if cd_line.id in tf_data;
        tempfile=open('tempfile.txt','w')

        tf_val1, tf_va2 = tf_data[cd_line.id]

        #If it is likely that the same tf_data-record is used many times
        #move the math to the first line, if on the other hand it is
        #very likely that most records won't be used in tf_data then
        #move the int-casts back to the line below
        tempfile.write('>{0}\n{1}'.format(
            cd_line.id,
            str(cd_line.seq)[tf_val1 - 100: tf_val2 + 100]))

        tempfile.close()
        os.system('makeblastdb -in tempfile.txt -dbtype nucl '
                  '-out tempfile.db -title \'tempfile\'')
        cline = NcbiblastnCommandline(
            query='SRR029153.fasta',
            db="tempfile.db",
            outfmt=7,
            out=("{0} {1}".format(tf_val1, tf_val2)))

        #Since not using stderr and stdout don't assign variables
        cline()