标题不清楚,但这是我想做的。
我有一个基因组链:
corpus_2 = ['TCAATCAC', 'GGGGGGGGGGG', 'AAAA']
我想提取所有固定大小的子列表。假设我想要大小为 4 的子列表。
我查找的结果示例:['TCAA', 'CAAT', 'AATC', 'ATCA', 'TCAC'], ['GGGG', 'GGGG', 'GGGG', 'GGGG ', 'GGGG', 'GGGG', 'GGGG', 'GGGG'], ['AAAA']]
我们获取索引 0 到索引 3 的子列表,然后添加一个新字符串等...
这是我的代码:
ngram_size=4
corpus=['TCAA', 'CAAT', 'AATC', 'ATCA', 'TCAC'], ['GGGG', 'GGGG', 'GGGG', 'GGGG', 'GGGG', 'GGGG', 'GGGG', 'GGGG'], ['AAAA']]
decoliste=[] #list output
listemp=[] # I add one list by one list, each of these list corresponds to a list in input list.
for element in self.corpus:
# print(element)
decoliste.append(listemp)
listemp=[]
for i in range(len(element)):
try:
if len(element[i:i+self.ngram_size])==self.ngram_size:
listemp.append((element[i:i+self.ngram_size]))
except:
pass
decoliste.append(listemp)
del(decoliste[0])
print(decoliste)
我想知道您是否可以给我一些提示,告诉我如何彻底改进这段代码(它真的很长,老师不会喜欢它)。
最佳答案
对于每个字符串,您可以遍历 0 和它的长度减去 ngram_size
加上 1 之间的所有索引,并获得从该索引开始的子字符串。使用列表理解将所有这些放在一起实际上使它非常优雅:
result = [[e[i:i + ngram_size] for i in range(len(e) + 1 - ngram_size)] for e in corpus_2]
关于python - 获取固定大小的子列表,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/64935376/