如何计算python中分区字符的出现次数？

Question

我有一个包含序列的大文件;我只想分析最后一组字符，它们的长度是可变的。在每一行中，我希望将每个集合的第一个字符和最后一个字符放在文本文件中，并计算这些字符的总实例。

这里是文件中的数据的一个示例：

-1iqd_BA_0_CDRH3.pdb Kabat的H3 P DPDAFD V

-1iqw_HL_0_CDRH3.pdb Kabat的H3 Ñ RDYSNNWYFD V

我想取“H3”和最后一个字符后面的第一个字符（在例子中都用粗体表示）。 为这两条线的输出应为：

第一计数器（{ 'N'：1， 'P'：1}）

最后计数器（{ 'V'：2}）

这是我迄今所做的：

f = open("C:/CDRH3.txt", "r") 
from collections import Counter 
grab = 1 
for line in f: 
    line=line.rstrip() 
    left,sep,right=line.partition(" H3 ") 
    if sep: 
     AminoAcidsFirst = right[:grab] 
     AminoAcidsLast = right[-grab:] 
print ("first ",Counter(line[:] for line in AminoAcidsFirst)) 
print ("last ",Counter(line[:] for line in AminoAcidsLast)) 
f.close() 

这仅打印数据的最后一行看起来的数，如：

first Counter({'N': 1}) 
last Counter({'V': 1}) 

如何计算文件中所有行中的所有这些字符？ 备注： 打印（AminoAcidsFirst）或（AminoAcidsLast）给出了所有垂直行的列表，但我无法对其进行计数或将其输出到文件。写入新文件只会写入原始文件最后一行的字符。 谢谢！

Answer 1

创建2名空列表并在每个循环追加像这样：

f = open("C:/CDRH3.txt", "r") 
from collections import Counter 
grab = 1 
AminoAcidsFirst = [] 
AminoAcidsLast = [] 
for line in f: 
    line=line.rstrip() 
    left,sep,right=line.partition(" H3 ") 
    if sep: 
     AminoAcidsFirst.append(right[:grab]) 
     AminoAcidsLast.append(right[-grab:]) 
print ("first ",Counter(line[:] for line in AminoAcidsFirst)) 
print ("last ",Counter(line[:] for line in AminoAcidsLast)) 
f.close() 

这里：

1. 创建空的列表：

   AminoAcidsFirst = [] AminoAcidsLast = []

2. 在每个追加循环：

   AminoAcidsFirst.append(right[:grab]) AminoAcidsLast.append(right[-grab:])

Answer 2

无需计数器：只是抢到最后一个令牌后split ING和计数第一个和最后一个字符：

first_counter = {} 
last_counter = {} 
for line in f: 
    line=line.split()[-1] # grab the last token 
    first_counter[line[0]] = first_counter.get(line[0], 0) + 1 
    last_counter[line[-1]] = last_counter.get(line[-1], 0) + 1  

print("first ", first_counter) 
print("last ", last_counter) 

输出

first {'P': 1, 'N': 1} 
last {'V': 2} 

Answer 3

两个我想指出的重要事情

1. 绝不泄露您的计算机上的文件路径，如果你是来自科学界，这一点尤其适用

2. 你的代码可以使用with...as方法

，现在的计划是更Python

from collections import Counter 

filePath = "C:/CDRH3.txt" 
AminoAcidsFirst, AminoAcidsLast = [], [] # important! these should be lists 

with open(filePath, 'rt') as f: # rt not r. Explicit is better than implicit 
    for line in f: 
     line = line.rstrip() 
     left, sep, right = line.partition(" H3 ") 
     if sep: 
      AminoAcidsFirst.append(right[0]) # really no need of extra grab=1 variable 
      AminoAcidsLast.append(right[-1]) # better than right[-grab:] 
print ("first ",Counter(AminoAcidsFirst)) 
print ("last ",Counter(AminoAcidsLast)) 

不要做line.strip()[-1]因为sep验证是很重要的

输出

first {'P': 1, 'N': 1} 
last {'V': 2} 

注：数据文件能得到真正的大，你可能会遇到内存问题或计算机挂起。那么，我可以建议懒读吗？ Folloing更强有力的项目

from collections import Counter 

filePath = "C:/CDRH3.txt" 
AminoAcidsFirst, AminoAcidsLast = [], [] # important! these should be lists 

def chunk_read(fileObj, linesCount = 100): 
    lines = fileObj.readlines(linesCount) 
    yield lines 

with open(filePath, 'rt') as f: # rt not r. Explicit is better than implicit 
    for aChunk in chunk_read(f): 
     for line in aChunk: 
      line = line.rstrip() 
      left, sep, right = line.partition(" H3 ") 
      if sep: 
       AminoAcidsFirst.append(right[0]) # really no need of extra grab=1 variable 
       AminoAcidsLast.append(right[-1]) # better than right[-grab:] 
print ("first ",Counter(AminoAcidsFirst)) 
print ("last ",Counter(AminoAcidsLast)) 

Answer 4

如果你把在的底部或之后的语句你的for循环打印AminoAcidsFirst和AminoAcidsLast，你会看到，在每次迭代你只是分配一个新的值。您的意图应该是收集，包含或累积这些值，然后再将它们送到collections.Counter。

s = ['-1iqd_BA_0_CDRH3.pdb kabat H3 PDPDAFDV', '-1iqw_HL_0_CDRH3.pdb kabat H3 NRDYSNNWYFDV'] 

为代码立即解决此问题是累积的人物：

grab = 1 
AminoAcidsFirst = '' 
AminoAcidsLast = '' 
for line in s: 
    line=line.rstrip() 
    left,sep,right=line.partition(" H3 ") 
    if sep: 
     AminoAcidsFirst += right[:grab] 
     AminoAcidsLast += right[-grab:] 
print ("first ",collections.Counter(AminoAcidsFirst)) 
print ("last ",collections.Counter(AminoAcidsLast)) 

另一种方法是生产对需求的字符。定义一个发电机的功能，将产生要算

def f(iterable): 
    for thing in iterable: 
     left, sep, right = thing.partition(' H3 ') 
     if sep: 
      yield right[0] 
      yield right[-1] 

然后使用一个文件作为数据源，饲料，为collections.Counter

z = collections.Counter(f(s)) 

或者事情：

with open('myfile.txt') as f1: 
    # lines is a generator expression 
    # that produces stripped lines 
    lines = (line.strip() for line in f1) 
    z = collections.Counter(f(lines))