通過定義一個函數創建的文件字典

Question

我有一個包含此信息的文件：我想創建一個字典，其中NM_的是鍵和開始和結束都是

#chrom start end isoform 
chr1 75 90 NM_100 
chr1 100 120 NM_100 
chr2 25 50 NM_200 
chr2 55 75 NM_200 
chr2 100 125 NM_200 
chr2 155 200 NM_200 

從這個文件價值。像這樣：

dictionary = {NM_100: [(75, 90), (100,120)], NM_200: [(25, 50), (55,75), (100, 125), (155, 200)]} 

我一直在嘗試使用此代碼生成功能，讓我拉上的開始和結束，但我似乎無法得到它的正常工作。

def read_exons(line): 
    parts = iter(line.split()) 
    chrom = next(parts) 
    start = next(parts) 
    end = next(parts) 
    isoform = next(parts) 
    return isoform, [(s, e) for s, e in zip(start, end)] 

with open('test_coding.txt') as f: 
    exons = dict(read_exons(line) for line in f 
     if not line.strip().startswith('#')) 

據我所知，功能不會讓我追加到值，但我在努力弄清楚如何連得開始和結束一行在字典中正確顯示。有任何想法嗎？ iter()或zip有問題嗎？

Answer 1

collections.defaultdict可能幫助：

import collections 

exons = collections.defaultdict(list) 
for line in f: 
    chrom, start, end, isoform = line.split() 
    exons[isoform].append((int(start), int(end))) 

簡單！

---

它利用了幾件事情：

• 它使用元組拆包解包線列，而不是iter()解決方案，您有以上。通常，元組拆包更簡單，更易於閱讀。
• 它逐漸建立字典，而不是試圖一次性完成所有這些，因爲你當前的解決方案嘗試了（注意，如果你一行一行地處理數據，你不能一次收集所有的開始/結束對！）

• 它使用collections.defaultdict有效地使每個鍵映射到一個空列表（最初），這使您無需檢查每個鍵是否映射。沒有defaultdict，你會做

  exons = {} 
  ... 
      if isoform not in exons: 
       exons[isoform] = [] 
      exons[isoform].append(...)