如何計算python中分區字符的出現次數？

Question

我有一個包含序列的大文件;我只想分析最後一組字符，它們的長度是可變的。在每一行中，我希望將每個集合的第一個字符和最後一個字符放在文本文件中，並計算這些字符的總實例。

這裏是文件中的數據的一個示例：

-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」和最後一個字符後面的第一個字符（在例子中都用粗體表示）。 爲這兩條線的輸出應爲：

第一計數器（{ 'N'：1， 'P'：1}）

最後計數器（{ 'V'：2}）

這是我迄今所做的：

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() 

這僅打印數據的最後一行看起來的數，如：

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

如何計算文件中所有行中的所有這些字符？ 備註： 打印（AminoAcidsFirst）或（AminoAcidsLast）給出了所有垂直行的列表，但我無法對其進行計數或將其輸出到文件。寫入新文件只會寫入原始文件最後一行的字符。 謝謝！

Answer 1

創建2名空列表並在每個循環追加像這樣：

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() 

這裏：

1. 創建空的列表：

   AminoAcidsFirst = [] AminoAcidsLast = []

2. 在每個追加循環：

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

Answer 2

無需計數器：只是搶到最後一個令牌後split ING和計數第一個和最後一個字符：

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) 

輸出

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

Answer 3

兩個我想指出的重要事情

1. 絕不泄露您的計算機上的文件路徑，如果你是來自科學界，這一點尤其適用

2. 你的代碼可以使用with...as方法

，現在的計劃是更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]因爲sep驗證是很重要的

輸出

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

注：數據文件能得到真正的大，你可能會遇到內存問題或計算機掛起。那麼，我可以建議懶讀嗎？ Folloing更強有力的項目

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後的語句你的for循環打印AminoAcidsFirst和AminoAcidsLast，你會看到，在每次迭代你只是分配一個新的值。您的意圖應該是收集，包含或累積這些值，然後再將它們送到collections.Counter。

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

爲代碼立即解決此問題是累積的人物：

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)) 

另一種方法是生產對需求的字符。定義一個發電機的功能，將產生要算

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

然後使用一個文件作爲數據源，飼料，爲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))