Itertools停止字符連續重複

Question

我寫了下面的代碼，使20個字符的所有字符串長與A，T，G和C的組合

然而，我想避免超過3的一行中有相同的字符，所以我添加了一個if函數來檢查這個。麻煩的是，這是在itertools代碼之後，所以它有點慢。我想知道是否有辦法使用itertools來產生這個結果，而不必運行itertools，然後運行if函數？

import sys 
import itertools 
import re 

x = ["A","T","G","C"] 
for i in itertools.product(x, repeat=20): 
     i = "".join(i) 
     if re.search(r"(\w)\1\1",i): 
       continue 
     else: 
       sys.stdout.write(i) 

Answer 1

在票面價值，這個問題似乎問這樣的：

如何過濾這個巨大的字符串列表，而不必首先構建整個列表的痛苦？

答案是：你已經在做它！ itertools中的東西產生迭代構建的延遲生成的序列。所以你現有的代碼是而不是產生了數十億字符串的巨大列表。

但是，還有你可能會想要問一個可能更有趣的問題：

如果我通過生成的所有字符串，並與三胞胎過濾掉那些無三重串，我的代碼是有做額外的工作，因爲大部分生成的字符串都會有三元組。假設字符串按字典順序生成;那麼他們的第一個4 ** 17就會開始AAA，我們真的應該可以跳過所有這些。我們怎樣才能做得更好？

不幸的是，如果你想要做這那麼你將不得不編寫自己的代碼來做到這一點; itertools不提供這種「模式篩選產品」功能。

它可能是這個樣子：

# generate all n-tuples with the property that their k-th element 
# is one of the things returned by successors(initial (k-1)-tuple). 
# So e.g. the first element is one of the things returned by 
# successors(()). 
def restricted_tuples(successors, n): 
    assert(n>=0) 
    if n==0: 
     for t in successors(()): yield (t,) 
    else: 
     for start in restricted_tuples(successors, n-1): 
      for t in successors(start): yield start+(t,) 

def successors_no_triples(start, alphabet): 
    if len(start)<2 or start[-1] != start[-2]: 
     for t in alphabet: yield t 
    else: 
     banned = start[-1] 
     for t in alphabet: 
      if t != banned: yield t 

print([''.join(x) for x in restricted_tuples(lambda start: successors_no_triples(start,'ABC'), 5)]) 

的print末僅僅是說明性的。如果您想從原始提問者的案例中打印出所有數十億字符串，則最好循環遍歷restricted_tuples生成的序列，並分別對每一個字符串進行串化和打印。

順便提一下，4個帶有這個屬性的字母的長度爲20的序列數量結果是415,289,569,968。如果您嘗試全部生成它們，您將會等待一段時間，尤其是如果您真的想要做到任何事情。