如何從Python中的字符串列表中獲取每個位置的字母百分比頻率？

Question

我有這樣的字符串的列表：

列表：

('aatt') 
('aaga') 
('aaac') 
('gtag') 

#the real list have thousands of strings 

最佳期望的結果的表格分隔的文件是這樣的：

0  1  2  3 
a:75% a:75% a:50% a:25% 
g:25% t:25% g:25% c:25% 
       t:25% g:25% 
         t:25% 

（標題是沒有必要的）

我做了一個bash腳本來做到這一點，但現在我正在學習python，我想用它做。

這是我的bash代碼：

#!/bin/bash 

for i in $(echo 1 2 3 4) 

do echo $i && cat FILE | grep N -v | awk -F "" '{print $'$i'}' | awk -f ./WC 

done 

其中WC是以下wordcounter：

BEGIN { 
    FS="[^a-zA-Z]+" 
} 
{ 
    for (i=1; i<=NF; i++) 
      words[toupper($i)]++ 
} 
END { 
    for (i in words) 
     print i, words[i] 
} 

Answer 1

抵達該處一些苛刻的評論，但我會盡量給你一些指點:)從外觀上來看你的數據看起來像你正在試圖做SNP呼叫你的序列列表？給定這樣的數據：

d = ['aatt','aaga','aaac','gtag'] 

你應該做的第一件事是預先分配一個字典，它將存儲每個位置的字母數。我假設你在這裏只有4個字母，即a，t，c和g，並且你知道你的字符串的最大長度。如果你沒有，你可以提取它是這樣：

maxLen = max(map(len,l)) 

一旦你的，創建你的字典：

freqDict = dict([(i,{'a':0.0,'t':0.0,'c':0.0,'g':0.0}) for i in xrange(maxLen)]) 

，然後存儲每個位置的字母統計：

for s in l: 
    for i,b in enumerate(s): 
    freqDict[i][b] += 1 

這應該是這樣的結果：

In [26]: freqDict 
Out[26]: 
{0: {'a': 3.0, 'c': 0.0, 'g': 1.0, 't': 0.0}, 
1: {'a': 3.0, 'c': 0.0, 'g': 0.0, 't': 1.0}, 
2: {'a': 2.0, 'c': 0.0, 'g': 1.0, 't': 1.0}, 
3: {'a': 1.0, 'c': 1.0, 'g': 1.0, 't': 1.0}} 

從那時起，它就由您決定如何打印結果。可能是更高效的打印，每行一個位置，你的結果，所以你不必在位置的完整列表迭代4倍，即

for i in freqDict: 
    vs = freqDict[i] 
    sumvs = sum(vs.values()) 
    print '%d\t%s' % (i,'\t'.join(['%s:%.1f' % (b[0],b[1]*100/sumvs) for b in vs.items()])) 

生成：

0 a:75.0 c:0.0 t:0.0 g:25.0 
1 a:75.0 c:0.0 t:25.0 g:0.0 
2 a:50.0 c:0.0 t:25.0 g:25.0 
3 a:25.0 c:25.0 t:25.0 g:25.0