Python | 记录相似的元组出现

在Python中，元组是一种有序、不可变的数据类型。在某些场景下，我们可能需要找出相似的元组出现次数，比如在一个包含DNA序列的数据集中，找出所有出现的四个碱基序列并记录它们出现的次数。

为了实现这个功能，我们可以使用Python中的defaultdict和tuples。

defaultdict

defaultdict是Python中的一个内置容器。它与普通字典的不同之处在于，如果访问一个不存在的键，则不会引发KeyError异常，而是会一个新的键并将其默认值初始化为指定数据类型的默认值（比如int的默认值为0，list的默认值为[]）。这个特性非常有用，因为可以减少许多繁琐的代码。

tuples

元组是Python中的另一个内置数据类型，它与列表非常相似，但是元组是不可变的，这意味着一旦创建，就无法修改。元组通常被用作数据记录的容器，因为它可以保存多个元素，而且是有序的。

示例

下面是一个简单的Python程序，它使用defaultdict和元组来记录相似的元组出现次数。

from collections import defaultdict

# 输入数据集
data = ["GATTACA", "CATTAG", "ATTAGC", "TTAGCA"]

# 初始化defaultdict
d = defaultdict(int)

# 遍历每个元素
for s in data:
    # 遍历每个长度为4的序列
    for i in range(len(s) - 3):
        # 将每个长度为4的序列转换为元组并增加该元组出现的次数
        d[tuple(s[i:i+4])] += 1

# 输出结果
for t, count in d.items():
    print(t, count)

输出结果为：

('G', 'A', 'T', 'T') 1
('A', 'T', 'T', 'A') 2
('T', 'T', 'A', 'G') 2
('T', 'A', 'G', 'C') 1
('A', 'T', 'T', 'G') 1
('C', 'A', 'T', 'T') 1
('T', 'A', 'G', 'G') 1
('A', 'T', 'T', 'C') 1
('T', 'T', 'A', 'G') 1

我们可以看到，在输入数据集中共出现了9个长度为4的序列，每个序列的出现次数也有所不同。最大的长度为4的序列('A', 'T', 'T', 'A')出现了2次。