Python

Question

有两个问题我想问任何熟悉 numpy 的人。我见过非常相似的问题（和答案），但是 none 我想使用 numpy，因为它提供了很多我将来可能想在该代码中使用的其他选项。我尝试使用 python 中的 "random" 生成随机核苷酸序列列表。因为我想要非均匀概率，所以我决定改用 numpy。但是，我收到错误消息："ValueError: a must be 1-dimensional or an integer".

import numpy as np

def random_dna_sequence(length):
    return ''.join(np.random.choice('ACTG') for _ in range(length))

with open('dna.txt', 'w+') as txtout:
    for _ in range(10):
        dna = random_dna_sequence(100)
        txtout.write(dna)
        txtout.write("\n")

        print (dna)

我是一个彻底的磨砂膏，我无法弄清楚多维性在哪里或如何发挥作用。我怀疑“.join()”，但我不确定也不确定如何替换它。我的另一个问题是如何获得非均匀概率。我试过 "np.random.choice('ACTG', p=0.2, 0.2, 0.3, 0.3)" 但它不起作用。

我希望有人可以提供帮助。提前致谢。

问候，伯特

Answer 1

对于问题的第一部分，将 a 作为列表传递：

def random_dna_sequence(length):
    return ''.join(np.random.choice(list('ACTG')) for _ in range(length))

或者将您的基数定义为列表或元组：

BASES = ('A', 'C', 'T', 'G')

def random_dna_sequence(length):
    return ''.join(np.random.choice(BASES) for _ in range(length))

第二部分有类似的解决方案：将概率作为列表或元组传递：

BASES = ('A', 'C', 'T', 'G')
P = (0.2, 0.2, 0.3, 0.3)

def random_dna_sequence(length):
    return ''.join(np.random.choice(BASES, p=P) for _ in range(length))

Answer 2

就 random_dna_sequence 函数而言，我得到了与 mhawke 类似的解决方案。然而，我正在生成一个与人类基因组 1 号染色体一样长的序列，而我的方法几乎花了一分钟，所以我尝试了 mhawke 的方法，看看我是否有任何速度增益。相反，它花费了大约 10 倍的时间。因此，对于处理大型序列的任何人，我建议对 return 语句进行以下更改：

BASES = ('A', 'C', 'G', 'T')
def random_dna_sequence(length):
    return ''.join(np.random.choice(BASES, length))

这基本上让 numpy 执行循环，它的效率更高。希望对您有所帮助。

Python - 使用 Numpy、ValueError 生成随机 dna 序列

Python - Generating random dna sequences with Numpy, ValueError

random

numpy