使用Biopython，我想优化这段代码

Question

我有以下代码：

from Bio import AlignIO
import itertools

out=open("test.csv","a")
align = AlignIO.read("HPV16_CG.aln.fas", "fasta")
n=0
def SNP(line):  
    result=[]
    result.append(str(n+1))
    result.append(line[0])
    result.append(align[y].id.rsplit("|")[3])
    result.append(x)
    return result



while n<len(align[0]):
  line = align[:,n]
  y=0
  for x in line:
    if line[0]!=x:
      print >> out, ','.join(map(str,SNP(line)))
      y=y+1
    else:
      y=y+1
  y=0
  n=n+1
out.close()

f=open("test.csv","rU")

out=open("test_2.csv","a")
lines=f.read().split()

for key, group in itertools.groupby(lines, lambda line: line.partition(',')[0]):
    print >>out, ','.join(group)

out.close()
f.close()

如您所见，我目前正在编写两个文件。我只需要第二个文件。有没有人建议把两个“下标”合并成一个？

输入文件"HPV16_CG.aln.fas“如下所示：

>gi|333031|lcl|HPV16REF.1| Alpha-9 - Human Papillomavirus 16, complete genome. 
ACTACAATAATTCATGTATAAAACTAAGGGCGTAACCGAAATCGGTTGAACCGAAACCGG

>gi|333031|gb|K02718.1|PPH16 Human papillomavirus type 16 (HPV16), complete genome
ACTACAATAATTCATGTATAAAACTAAGGGCGTAACCGAAATCGGTTGAACCGAAACCGG

>gi|196170262|gb|FJ006723.1| Human papillomavirus type 16, complete genome
ACTACAATAATTCATGTATAAAACTAAGGGCGTAACCGAAATCGGTTGAACCGAAACCGG

我真的很感激所有的帮助/建议，以帮助我改善这一点！

Answer 1

首先，阅读PEP8 (全部！)并坚持下去。这是Python代码的事实上的标准。

在下面的文章中，我将默认假定为PEP8。

其次，如果您实际编写了预期的输出，这将有所帮助。给定输入文件，脚本生成空输出。

我不明白while循环应该做什么。align表示单个对齐记录--您正在读取包含多个序列的序列文件。此外，什么是align[:, n]？您是否打算访问seq子对象？

同样，SNP方法根本没有说明它的功能是什么。它隐含地使用全局变量。这是容易出错和不可读的:使用参数代替。该函数还访问一些对象align[y]，这在y > 0时不存在，因为AlignIO.read只读取单个对齐。

此外，如果您正在处理CSV文件，我强烈建议使用csv模块。在您的特定情况下，它并不是真正较少的代码，但它提供了更统一的处理方式，并使代码易于扩展。

为了展示清洁后的效果，下面是第一个文件的生成。我很想展示完整的代码，但我真的不明白这段代码应该做什么，因为它对我不起作用，而且我不熟悉align[:,n]的函数(而且我认为访问align有一个错误。

#!/usr/bin/env python

import csv
import itertools
import sys
from Bio import AlignIO


def snp(line, alignment, n, base, pos):
    """Documentation missing!"""
    id = alignment[pos].id.rsplit('|')[3] # why rsplit?
    return [ str(n + 1), line[0], id, base ]


def main():
    # TODO Use command line argumnents to provide file names

    alignment = Bio.AlignIO.read('HPV16_CG.aln.fas', 'fasta')

    with csv.writer('test.csv') as out:
        for n in range(len(alignment[0])):
            line = align[ : , n]
            for pos, base in line:
                if line[0] != x:
                    out.writerow(snp(line, alignment, n, base, pos))


if __name__ == '__main__':
    sys.exit(main())

在这段代码中，我试图给变量取有意义的名字，但是--因为我不知道这应该做什么--我不得不根据用法猜测很多。

顺便说一句，range(len(x))实际上是一种反模式，但我无法记住“正确”的用法(甚至文档也建议这样做)。