查找每列中的字母数答案

【问题标题】：Finding the count of letters in each column查找每列中的字母数
【发布时间】：2018-03-24 20:04:55
【问题描述】：

我需要按如下方式找到每列中的字母数：

String: ATCG
        TGCA
        AAGC
        GCAT

字符串是一个系列。

我需要编写一个程序来获取以下内容：

我已经编写了以下代码，但我在 0 索引和最后的列（列索引 450，实际列号 451）中得到了一个 nan 值的行。我不应该得到第 451 行或第 451 列。我只需要 450 列。

f = zip(*string)
counts = [{letter: column.count(letter) for letter in column} for column in 
f]
counts=pd.DataFrame(counts).transpose()
print(counts)
counts = counts.drop(counts.columns[[450]], axis =1)

谁能帮我理解这个问题？

【问题讨论】：

标签： python pandas bioinformatics biopython

【解决方案1】：

这是实现逻辑的一种方法。如果需要，您可以通过lst = s.tolist() 将您的系列变成一个列表。

lst = ['ATCG', 'TGCA', 'AAGC', 'GCAT']

arr = [[i.count(x) for i in zip(*lst)] for x in ('ATCG')]

res = pd.DataFrame(arr, index=list('ATCG'))

结果

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

说明

在列表推导中，首先通过依次迭代每个字符串的第一个、第二个、第三个和第四个元素来处理列。
通过依次迭代“ATCG”来处理第二个行。
这会生成一个列表列表，可以直接输入到pd.DataFrame。

【讨论】：

试过了，但所有值都为 0。
@Arpita，当您说“尝试过”时，您是否复制/粘贴代码完全如上？可能是您的数据不同，或者您没有正确应用上述代码。
我没有复制粘贴。我根据代码中的变量使用它。
@AST，在这种情况下，除非您能够提供证明问题的数据，否则我无法帮助您。该代码确实适用于您在问题中提供的示例数据。

【解决方案2】：

与Series.value_counts():

>>> s = pd.Series(['ATCG', 'TGCA', 'AAGC', 'GCAT'])

>>> s.str.join('|').str.split('|', expand=True)\
...     .apply(lambda row: row.value_counts(), axis=0)\
...     .fillna(0.)\
...     .astype(int)
   0  1  2  3
A  2  1  1  1
C  0  1  2  1
G  1  1  1  1
T  1  1  0  1

我不确定您希望索引排序的逻辑性如何，但您可以在此结果上调用 .reindex() 或 .sort_index()。

第一行，s.str.join('|').str.split('|', expand=True) 为您提供“扩展”版本

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

这应该比在每一行上调用pd.Series(list(x)) ... 更快。

【讨论】：