python 统计字符串元素出现的个数_生信自学python：如何统计DNA序列中4种核苷酸的个数和频率？...

题目：统计DNA序列中4种核苷酸的个数和频率

ATGAAACGCATTAGCACCACCATTACCACCACCATCACCATTACCACAGGTAACGGTGCGGGCTGA

要求：

将个数和频率输出到名为D:frq.txt的文本文件中，且文件的第一行必须是标题行，包含4列，每一列为对应核苷酸的单字母符号，列间用Tab键’t’分割

编码：

第一种方法：用循环实现

求数量

DNAstr = 'ATGAAACGCATTAGCACCACCATTACCACCACCATCACCATTACCACAGGTAACGGTGCGGGCTGA'

A_num = C_num = G_num = T_num = 0  #设置初始值

for i in range(len(DNAstr)):  #循环遍历   字符串是序列（有序）：可以建立索引
    if DNAstr[i]=='A':
        A_num = A_num + 1
    elif DNAstr[i]=='C':
        C_num = C_num + 1
    elif DNAstr[i]=='G':
        G_num += 1 #another way
    elif DNAstr[i]=='T':
        T_num += 1 #another way

print('A_num =', A_num)
print('C_num =', C_num)
print('G_num =', G_num)
print('T_num =', T_num)

输出结果：

A_num = 21
C_num = 22
G_num = 12
T_num = 11

求频率：

total_num = len(DNAstr)
#total_num = float(total_num)
print('A_frq =', A_num/total_num)
print('C_frq =', C_num/total_num)
print('G_frq =', G_num/total_num)
print('T_frq =', T_num/total_num)

输出结果：

A_frq = 0.3181818181818182
C_frq = 0.3333333333333333
G_frq = 0.18181818181818182
T_frq = 0.16666666666666666

第二种方式：用字典实现

求数量

dna_dic = {'A': 0, 'C': 0, 'G': 0, 'T': 0} #the dict for DNA numbers
for n in DNAstr:
    dna_dic[n] += 1
print(dna_dic) #print out the DNA numbers in a dict format

输出结果：

{'A': 21, 'C': 22, 'G': 12, 'T': 11}

求频率：

dna_frq_dic = {}  #空字典
DNAs = 'ACGT' #4种核苷酸
for d in DNAs: #循环序列
    dna_frq_dic[d] = dna_dic[d]/total_num
print(dna_frq_dic)

输出结果：

{'A': 0.3181818181818182, 'C': 0.3333333333333333, 'G': 0.18181818181818182, 'T': 0.16666666666666666}

写入文件：

写入核苷酸（A、G、C、T）：

oflname = 'D:/frq.txt' #文件的位置
ofl = open(oflname, 'wt') #打开文件并可读写成txt文本
ostr = 't'.join(DNAs)  #用t分割不同的核苷酸字母
ofl.write(ostr + 'n') #第一行写入后n换行

写入出现的数量：

ostr = ''   #创建一个字符串
for d in DNAs:
    ostr += str(dna_dic[d]) + 't'   
ostr = ostr.strip()
ostr += 'n'
ofl.write(ostr)

写入频率：

olst = [] #创建一个DNA序列的list 
for d in DNAs:
    olst.append(str(dna_frq_dic[d])) #list用append来增加元素
 ostr = 't'.join(olst) + 'n'
ofl.write(ostr)
ofl.close()  #记得把打开的文件关闭

通过这个例子希望大家能够体会

• 字符串、列表和字典的使用
• 循环和判断
• 文件的输入和输出

根据上面的案例，给大家留一个小作业

统计下面蛋白序列中20种氨基酸的个数和频率：

MNAPERQPQPDGGDAPGHEPGGSPQDELDFSILFDYEYLNPNEEEPNAHKVASPPSGPAYPDDVLDYGLKPYSPLASLSGEPPGRFGEPDRVGPQKFLSAAKPAGASGLSPRIEITPSHELIQAVGPLRMRDAGLLVEQPPLAGVAASPRFTLPVPGFEGYREPLCLSPASSGSSASFISDTFSPYTSPCVSPNNGGPDDLCPQFQNIPAHYSPRTSPIMSPRTSLAEDSCLGRHSPVPRPASRSSSPGAKRRHSCAEALVALPPGASPQRSRSPSPQPSSHVAPQDHGSPAGYPPVAGSAVIMDALNSLATDSPCGIPPKMWK

要求和本问一致~完成的可以在评论区留1，可以私信我与我进行讨论，下周一我会发布答案