在同一循环中使用列表填充 dict

Posted 2023-03-11

【中文标题】在同一循环中使用列表填充 dict

【英文标题】：Populating a dict with a list in the same loop

【发布时间】：2019-04-13 09:16:46

【问题描述】：

我正在尝试用 pandas sereis 中按列出现的字符来填充字典。剧集如下：

>>> jkl
1     ATGC
2     GTCA    
3     CATG
Name: 0, dtype: object

我想要一个包含所有字符作为键的字典，并将它们的列出现频率列表作为字典的值，如下所示：

'A':[1,1,0,1],'C':[1,0,1,1],'G':[1,0,1,1],'T':[0,2,1,0]

我已经尝试了几个代码，这是其中之一：

mylist = ['A', 'C', 'G','T']
dict = key: None for key in mylist
for i,(a,b) in enumerate(zip_longest(jkl[1],dict.keys())):
    t=str(list(jkl.str[i]))
    single_occurrences = Counter(t)    
    kl.append(single_occurrences.get(b))
    dict[b]=kl

但是这个 dict 不包含所需的输出，有解决方案吗？

【问题讨论】：

那么这里所有的字符串长度都一样？

不，它们的长度可以不同，但​​如果列中不存在元素，则应该为零

【参考方案1】：

重新创建数据框后使用crosstab

S=pd.DataFrame(s.map(list).tolist()).melt()
pd.crosstab(S.value,S.variable)
Out[338]: 
variable  0  1  2  3
value               
A         1  1  0  1
C         1  0  1  1
G         1  0  1  1
T         0  2  1  0

添加to_dict后

pd.crosstab(S.value,S.variable).T.to_dict('l')
Out[342]: 'A': [1, 1, 0, 1], 'C': [1, 0, 1, 1], 'G': [1, 0, 1, 1], 'T': [0, 2, 1, 0]

【参考方案2】：

我们可以在 Pandas 中进行切片和计数，然后每次构造一个字典，其计数如下：

max_len = jkl.str.len().max()
counts = [jkl.str[i].value_counts() for i in range(max_len)]
df = pd.DataFrame(counts, columns=['A', 'C', 'G', 'T'])

这给了我们一个数据框：

>>> df
     A    C    G    T
0  1.0  1.0  1.0  NaN
1  1.0  NaN  NaN  2.0
2  NaN  1.0  1.0  1.0
3  1.0  1.0  1.0  NaN

然后我们可以用零填充NaNs，并将数据转换为ints：

>>> df.fillna(0).astype(int)
   A  C  G  T
0  1  1  1  0
1  1  0  0  2
2  0  1  1  1
3  1  1  1  0

最后我们可以将此数据框转换为列表字典：

>>> df.fillna(0).astype(int).to_dict('list')
'A': [1, 1, 0, 1], 'C': [1, 0, 1, 1], 'G': [1, 0, 1, 1], 'T': [0, 2, 1, 0]

【参考方案3】：

Counter

from collections import Counter

pd.Series(Counter(
    (c, i) for i, C in enumerate(zip(*jkl)) for c in C)
).unstack(fill_value=0)

   0  1  2  3
A  1  1  0  1
C  1  0  1  1
G  1  0  1  1
T  0  2  1  0

---

pd.Series(Counter(
    (c, i) for i, C in enumerate(zip(*jkl)) for c in C
)).unstack(fill_value=0).T.to_dict('l')

'A': [1, 1, 0, 1], 'C': [1, 0, 1, 1], 'G': [1, 0, 1, 1], 'T': [0, 2, 1, 0]

---

---

np.add.at

完全不同的策略

r, i = np.unique([*''.join(jkl)], return_inverse=True)
n, m = len(r), len(jkl)
j = np.tile(np.arange(n), m)
a = np.zeros((n, n), int)
np.add.at(a, (i, j), 1)

DataFrame

pd.DataFrame(a, r)

   0  1  2  3
A  1  1  0  1
C  1  0  1  1
G  1  0  1  1
T  0  2  1  0

Dictionary

dict(zip(r, a.tolist()))

'A': [1, 1, 0, 1], 'C': [1, 0, 1, 1], 'G': [1, 0, 1, 1], 'T': [0, 2, 1, 0]

【参考方案4】：

你可以这样做（不使用熊猫）：

import pandas as pd

from itertools import chain
from collections import Counter

data = [[1, 'ATGC'],
        [2, 'GTCA'],
        [3, 'CATG']]

df = pd.DataFrame(data=data, columns=["row", "sequence"])
uniques = set(chain.from_iterable(df.sequence))
counts = list(map(Counter, zip(*df.sequence)))
result = letter: [count.get(letter, 0) for count in counts] for letter in uniques
print(result)

输出

'G': [1, 0, 1, 1], 'A': [1, 1, 0, 1], 'T': [0, 2, 1, 0], 'C': [1, 0, 1, 1]