我是这里的一名生物工程博士生,正在尝试自学 Python 编程以用于自动化我的部分研究,但我遇到了一个问题,即在我可以处理的更大列表中处理子列表'似乎无法解决。
基本上,我正在尝试做的目标是编写一个小脚本来处理一个 CSV 文件,其中包含我使用各种 DNA 组装方法构建的质粒序列列表,然后吐出引物序列我需要订购才能构建质粒。
这是我正在处理的场景:
当我想要构建质粒时,我必须在我的 Excel 电子表格中输入该质粒的完整序列。我必须在两种 DNA 组装方法中进行选择,称为“Gibson”和“iPCR”。每个“iPCR”组件只需要列表中的一行,所以我已经知道如何处理这些人了,因为我只需要将我要构建的质粒的完整序列放入一个细胞中。另一方面,“Gibson”程序集要求我必须将完整的 DNA 序列分成更小的 block ,因此有时我需要在 Excel 电子表格中使用 2-5 行来完整描述一个质粒。
所以我最终得到了一个看起来像这样的电子表格:
构造.....策略.....名称
1.....Gibson.....P(OmpC)-cI::P(cI)-LacZ Controller
1.....Gibson.....P(OmpC)-cI::P(cI)-LacZ Controller
1.....Gibson.....P(OmpC)-cI::P(cI)-LacZ Controller
2.....iPCR.......P(cpcG2)-K1F Controller 带 K1F 位置。意见反馈
3.....Gibson.....P(cpcG2)-K1F Controller 交换启动子位置
3.....Gibson.....P(cpcG2)-K1F Controller 交换启动子位置
4.....iPCR.......P(cpcG2)-K1F controller with stronger K1F RBS library
我觉得这个长度的榜单已经足够有代表性了。
所以我遇到的问题是,我希望能够遍历列表并处理 Gibsons,但我似乎无法让代码按我想要的方式工作。这是我到目前为止编写的代码:
#import BioPython Tools
from Bio.Seq import Seq
from Bio.Alphabet import IUPAC
#import csv tools
import csv
import sys
import os
with open('constructs-to-make.csv', 'rU') as constructs:
construct_list = csv.reader(constructs, delimiter=',')
construct_list.next()
construct_number = 1
primer_list = []
temp_list = []
counter = 2
for row in construct_list:
print('Current row is row number ' + str(counter))
print('Current construct number is ' + str(construct_number))
print('Current assembly type is ' + row[1])
if row[1] == "Gibson": #here, we process the Gibson assemblies first
print('Current construct number is: #' + row[0] + ' on row ' + str(counter) + ', which is a Gibson assembly')
## print(int(row[0]))
## print(row[3])
if int(row[0]) == construct_number:
print('Adding DNA sequence from row ' + str(counter) + ' for construct number ' + row[0])
temp_list.append(str(row[3]))
counter += 1
if int(row[0]) > construct_number:
print('Current construct number is ' + str(row[0]) + ', which is greater than the current construct number, ' + str(construct_number))
print('Therefore, going to work on construct number ' + str(construct_number))
for part in temp_list: #process the primer design work here
print('test')
## print(part)
construct_number += 1
temp_list = []
print('Adding DNA from row #' + str(counter) + ' from construct number ' + str(construct_number))
temp_list.append(row)
print('Next construct number is number ' + str(construct_number))
counter += 1
## counter += 1
if str(row[1]) == "iPCR":
print('Current construct number is: ' + row[0] + ' on row ' + str(counter) + ', which is an iPCR assembly.')
#process the primer design work here
#get first 60 nucleotides from the sequence
sequence = row[3]
fw_primer = sequence[1:61]
print('Sequence of forward primer:')
print(fw_primer)
last_sixty = sequence[-60:]
## print(last_sixty)
re_primer = Seq(last_sixty).reverse_complement()
print('Sequence of reverse primer:')
print(re_primer)
#ending code: add 1 to counter and construct number
counter += 1
construct_number += 1
## if int(row[0]) == construct_number:
## else:
## counter += 1
## construct_number += 1
## print(temp_list)
## for row in temp_list:
## print(temp_list)
## print(temp_list[-1])
# fw_primer = temp_list[counter - 1].
(我知道代码可能看起来很菜鸟 - 除了入门级 Java,我从未上过任何编程课。)
此代码的问题在于,如果我有 n 个“构建体”(又名质粒),我试图通过“Gibson”程序集构建它,它将处理前 n-1 个质粒,但不会处理最后一个。然而,我也想不出任何更好的方法来编写这段代码,但我可以看到,对于我试图实现的工作流程,知道如何处理列表中的“n”个东西,但每个“东西” "行数可变,对我来说真的很方便。
非常感谢任何人的帮助!非常感谢!
最佳答案
The problem with this code is that if I have n "constructs" (a.k.a. plasmids) that I'm trying to build by "Gibson" assembly, it will process the first n-1 plasmids, but not the last one.
这实际上是一个普遍的问题,最简单的解决方法是在循环后添加一个检查,如下所示:
for row in construct_list:
do all your existing code
if we have a current Gibson list:
repeat the code to process it.
当然,您不想重复自己……所以您将这项工作转移到一个函数中,您可以在两个地方调用该函数。
但是,我可能会用不同的方式写这个,使用 groupby
.我知道乍一看这可能看起来“太高级了”,但值得尝试看看您是否能理解它,因为它使事情变得简单得多。
def get_strategy(row):
return row[0]
for group in itertools.groupby(construct_list, key=get_strategy):
现在,您将获得每个构造作为一个单独的列表,因此您根本不需要 temp_list
。例如,第一组将是:
[[1, 'Gibson', 'P(OmpC)-cI::P(cI)-LacZ controller'],
[1, 'Gibson', 'P(OmpC)-cI::P(cI)-LacZ controller'],
[1, 'Gibson', 'P(OmpC)-cI::P(cI)-LacZ controller']]
接下来是:
[[2, 'iPCR', 'P(cpcG2)-K1F controller with K1F pos. feedback']]
而且最后不会有剩余的组需要担心。
所以:
for group in itertools.groupby(construct_list, key=get_strategy):
construct_strategy = get_strategy(group[0])
if construct_strategy == "Gibson":
# your existing code, using group instead of temp_list,
# and no need to maintain temp_list at all
elif construct_strategy == 'iPCR":
# your existing code, using group[0] instead of row
一旦克服了抽象障碍,以这种方式思考问题就会简单得多。
事实上,一旦您开始直观地掌握迭代器,您就会开始找到 itertools
(及其文档页面上的食谱,以及第三方库 more_itertools
,以及您可以自己编写的类似代码)将很多复杂的问题变成非常简单的问题。 “如何跟踪行列表中的当前匹配行组?”的答案是“保留一个临时列表,并记住在每次组更改时检查它,然后在最后再次检查是否有剩余”,但是等效问题“如何将行迭代转换为行组迭代?”的答案是“将迭代器包装在 groupby
中。”
您可能还想添加一个 assert
或其他检查 all(row[1] == construct_strategy for row in group[1:])
,即len(group) == 1
在iPCR
的情况下,没有意外的第三种策略等,所以当你不可避免地遇到错误时,它会是更容易判断是错误数据还是错误代码。
与此同时,与其使用 csv.reader
、跳过第一行并通过无意义的数字引用列,不如使用 DictReader
可能更好:
with open('constructs-to-make.csv', 'rU') as constructs:
primer_list = []
def get_strategy(row):
return row["Strategy"]
for group in itertools.groupby(csv.DictReader(constructs), key=get_strategy):
# same as before, but with
# ... row["Construct"] instead of row[0]
# ... row["Strategy"] instead of row[1]
# ... row["Name"] instead of row[2]
关于python - 在较大列表中处理可变大小的子列表,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/14063387/