如何搜索项目集合是否在列表中？

Question

我正在遍历一个文件，并试图确定是否在我制作的空列表中同时找到一组特定的 3 项（来自文件）；如果没有，我想附加它们。如果它们已经出现，我想跳过它们。

但是，当我运行下面的代码时：

from pprint import pprint as pp

targets = open(file)

longest_UTR = []

counter = 0

for line in targets:

    (chromosome, locus, mir, gene, transcript, UTR_length) = line.strip("\n").split("\t")

    if [locus, mir, gene] not in longest_UTR:

        longest_UTR.append([locus, mir, gene, transcript, UTR_length])

    counter += 1

    if counter == 100:

        break

pp (longest_UTR)

我发现输出包含重复项，即它没有跳过项目组，即使它们出现在空列表中（如下面的箭头所示）。

['CFI', 'hsa-miR-576-5p', 'DIS3', 'ENST00000490646', '2934'],
['APOE', 'hsa-miR-642a-5p', 'WDR64', 'ENST00000425826', '2122'],
>['C2/CFB/SKIV2L', 'hsa-miR-219a-1-3p', 'GLG1', 'ENST00000422840', '4748'],
['C2/CFB/SKIV2L', 'hsa-miR-219a-1-3p', 'GLG1', 'ENST00000422840', '4748']<,
['APOE', 'hsa-miR-330-3p', 'DCAF4L1', 'ENST00000333141', '4764'],
['TMEM97/VTN', 'hsa-miR-144-3p', 'DCAF4L1', 'ENST00000333141', '4764']]

关于为什么会这样，我想得到一些指导。谢谢。

Answer 1

看起来 longest_UTR 将是一个列表列表。并且 if 语句 if [locus, mir, gene] not in longest_UTR 会在 longest_UTR 中搜索列表 [locus, mir, gene] 并且永远不会找到它，因为 longest_UTR 中的子列表的长度都是 5.

相反，您可以只搜索每个子列表的前 3 个元素：

if not any(x[:3] == [locus, mir, gene] for x in longest_UTR):

您应该知道元素的顺序在这里很重要。比如，如果 longest_UTR 有一些列表的前 3 个元素为 [mir, locus, gene]，则此 if 语句将 return False.

Answer 2

列表不可散列，因此无法按照您想象的方式比较两者之间的相等性。列表比较可以使用 sets 代替。

从 pprint 将 pprint 导入为 pp

targets = open(file)

longest_UTR = []

for line in targets:
    chromosome, locus, mir, gene, transcript, UTR_length = line.strip("\n").split("\t")

    if not [set([locus, mir, gene]) < set(utr) for utr in longest_UTR]:
        longest_UTR.append([locus, mir, gene, transcript, UTR_length)])
pp (longest_UTR)

如何搜索项目集合是否在列表中？

How to search if a collection of items are in a list?

python

bioinformatics

python-3.x