圖案列表的計算得分

Question

我已經實現了一個這樣做的函數。對於圖片中的每一列，它採用最常見的元素，並從該列中的元素總數中減去該元素。然後它將這些數字彙總起來。 This image shows what the function does.

有沒有什麼辦法讓它更快？ 這裏是我的代碼吧： -

def scoreMotifs(motifs): 
'''This function computes the score of list of motifs''' 
z = [] 
for i in range(len(motifs[0])): 
    y = '' 
    for j in range(len(motifs)): 
     y += motifs[j][i] 
    z.append(y) 
print z 
totalscore = 0 
for string in z: 
    score = len(string)-max([string.count('A'),string.count('C'), string.count('G'), string.count('T')]) 
    totalscore += score 
return totalscore 

motifs = ['GCG','AAG','AAG','ACG','CAA'] 
scoreMotifs(motifs) 
['GAAAC', 'CAACA', 'GGGGA'] 
5 

Answer 1

好了，所以我用line_profiler來分析你的代碼：

from random import randrange 

@profile 
def scoreMotifs(motifs): 
    '''This function computes the score of list of motifs''' 
    z = [] 
    for i in range(len(motifs[0])): 
     y = '' 
     for j in range(len(motifs)): 
      y += motifs[j][i] 
     z.append(y) 
    totalscore = 0 
    for string in z: 
     score = len(string)-max([string.count('A'),string.count('C'), string.count('G'), string.count('T')]) 
     totalscore += score 
    return totalscore 

def random_seq(): 
    dna_mapping = ['T', 'A', 'C', 'G'] 
    return ''.join([dna_mapping[randrange(4)] for _ in range(3)]) 

motifs = [random_seq() for _ in range(1000000)] 
print scoreMotifs(motifs) 

這些是結果：

Line #  Hits   Time Per Hit % Time Line Contents 
============================================================== 
    3           
    4           
    5           
    6   1   4  4.0  0.0 
    7   4   14  3.5  0.0 
    8   3   2  0.7  0.0 
    9 3000003  1502627  0.5  41.7 
    10 3000000  2075204  0.7  57.5 
    11   3   22  7.3  0.0 
    12   1   1  1.0  0.0 
    13   4   4  1.0  0.0 
    14   3  29489 9829.7  0.8 
    15   3   5  1.7  0.0 
    16   1   1  1.0  0.0 
Total Time: 3.60737 s 

有一個巨大的計算量與：

y += motifs[j][i] 

雖然使用zip技巧，但還是有更好的轉置字符串的方法。因此，您可以重寫你的代碼：

from random import randrange 

@profile 
def scoreMotifs(motifs): 
    '''This function computes the score of list of motifs''' 
    z = zip(*motifs) 
    totalscore = 0 
    for string in z: 
     score = len(string)-max([string.count('A'),string.count('C'), string.count('G'), string.count('T')]) 
     totalscore += score 
    return totalscore 

def random_seq(): 
    dna_mapping = ['T', 'A', 'C', 'G'] 
    return ''.join([dna_mapping[randrange(4)] for _ in range(3)]) 


motifs = [random_seq() for _ in range(1000000)] 
print scoreMotifs(motifs) 

motifs = ['GCG','AAG','AAG','ACG','CAA'] 
print scoreMotifs(motifs) 

的總時間：

Total time: 0.61699 s 

我會說，是一個相當不錯的改進。