我有一个名为“GO_file”的列表:
GO_file = ["A_1 12", "A_2 13", "A_3 14", "A_4 12", "B_1 1", "B_2 1", "B_3 5"]
我想将其转换为:
答:12、13、14
B:1, 5
from collections import defaultdict
GO_file = ["A_1 12", "A_2 13", "A_3 14", "A_4 12", "B_1 1", "B_2 1" "B_3 5"]
GO_dict = defaultdict(list)
for GO_names in GO_file:
gene_id = GO_names.split("_")[0]
GO_id = GO_names.split(" ")[1:]
GO_dict[gene_id] = GO_id
print GO_dict
但是,此代码仅附加键和一个值:
defaultdict(<type 'list'>, {'A': ['12'], 'B': ['5']})
我很感激任何建议。
最佳答案
您的代码几乎没有问题
- 您的 GO_ID 中有重复项,而您似乎只关心唯一性。所以你需要一个
defaultdict(set)
而不是defaultdict(list)
- 用于生成键和值的拆分算法存在错误
GO_dict[gene_id] = GO_id
,只需将最后一个值分配给字典,而不是附加它。
可能的更正解决方案
>>> GO_dict = defaultdict(set)
>>> for GO_names in GO_file:
gene_id,_,GO_id = GO_names.partition(" ")
gene_id = gene_id.split("_")[0]
GO_dict[gene_id].add(GO_id)
>>> print GO_dict
defaultdict(<type 'set'>, {'A': set(['13', '12', '14']), 'B': set(['1', '5'])})
上述代码可能存在的一个问题是,无法保证元素的顺序。不幸的是,默认库不提供 OrderedSet
,但我们可以轻松自定义 OrderedDict
来满足我们的目的
>>> GO_dict = defaultdict(OrderedDict)
>>> for GO_names in GO_file:
gene_id,_,GO_id = GO_names.partition(" ")
gene_id = gene_id.split("_")[0]
GO_dict[gene_id][GO_id] = None
>>> OrderedDict([('A', ['12', '13', '14']), ('B', ['1', '5'])])
OrderedDict([('A', ['12', '13', '14']), ('B', ['1', '5'])])
但是
在某些情况下,正如我所相信的,itertools
解决方案比使用 defaultdict
更优雅
>>> from itertools import groupby
>>> from operator import itemgetter
>>> GO_file_kv = [(key.split("_")[0], value)
for key, value in (elem.split(" ") for elem in GO_file)]
>>> {key: OrderedDict.fromkeys([e for _, e in value]).keys()
for key, value in groupby(sorted(GO_file_kv, key=itemgetter(0)),
key=itemgetter(0))
}
{'A': ['12', '13', '14'], 'B': ['1', '5']}
关于python - 使用 python defaultdict 对列表中的项目进行分组,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/19280151/