如何从Python中的字符串列表中获取每个位置的字母百分比频率？

Question

我有这样的字符串的列表：

列表：

('aatt') 
('aaga') 
('aaac') 
('gtag') 

#the real list have thousands of strings 

最佳期望的结果的表格分隔的文件是这样的：

0  1  2  3 
a:75% a:75% a:50% a:25% 
g:25% t:25% g:25% c:25% 
       t:25% g:25% 
         t:25% 

（标题是没有必要的）

我做了一个bash脚本来做到这一点，但现在我正在学习python，我想用它做。

这是我的bash代码：

#!/bin/bash 

for i in $(echo 1 2 3 4) 

do echo $i && cat FILE | grep N -v | awk -F "" '{print $'$i'}' | awk -f ./WC 

done 

其中WC是以下wordcounter：

BEGIN { 
    FS="[^a-zA-Z]+" 
} 
{ 
    for (i=1; i<=NF; i++) 
      words[toupper($i)]++ 
} 
END { 
    for (i in words) 
     print i, words[i] 
} 

Answer 1

抵达该处一些苛刻的评论，但我会尽量给你一些指点:)从外观上来看你的数据看起来像你正在试图做SNP呼叫你的序列列表？给定这样的数据：

d = ['aatt','aaga','aaac','gtag'] 

你应该做的第一件事是预先分配一个字典，它将存储每个位置的字母数。我假设你在这里只有4个字母，即a，t，c和g，并且你知道你的字符串的最大长度。如果你没有，你可以提取它是这样：

maxLen = max(map(len,l)) 

一旦你的，创建你的字典：

freqDict = dict([(i,{'a':0.0,'t':0.0,'c':0.0,'g':0.0}) for i in xrange(maxLen)]) 

，然后存储每个位置的字母统计：

for s in l: 
    for i,b in enumerate(s): 
    freqDict[i][b] += 1 

这应该是这样的结果：

In [26]: freqDict 
Out[26]: 
{0: {'a': 3.0, 'c': 0.0, 'g': 1.0, 't': 0.0}, 
1: {'a': 3.0, 'c': 0.0, 'g': 0.0, 't': 1.0}, 
2: {'a': 2.0, 'c': 0.0, 'g': 1.0, 't': 1.0}, 
3: {'a': 1.0, 'c': 1.0, 'g': 1.0, 't': 1.0}} 

从那时起，它就由您决定如何打印结果。可能是更高效的打印，每行一个位置，你的结果，所以你不必在位置的完整列表迭代4倍，即

for i in freqDict: 
    vs = freqDict[i] 
    sumvs = sum(vs.values()) 
    print '%d\t%s' % (i,'\t'.join(['%s:%.1f' % (b[0],b[1]*100/sumvs) for b in vs.items()])) 

生成：

0 a:75.0 c:0.0 t:0.0 g:25.0 
1 a:75.0 c:0.0 t:25.0 g:0.0 
2 a:50.0 c:0.0 t:25.0 g:25.0 
3 a:25.0 c:25.0 t:25.0 g:25.0