Как использовать отсортированный список в качестве фильтра?

Я хочу получить все oneKmer, которых нет в in.txt.
in.txt сортируется в том же порядке, что и oneKmer в столбце 0.

Это должно быть выполнимо в O (N) вместо O (N ^ 2), поскольку оба списка находятся в одном порядке.

Как я могу это написать?

import csv
import itertools

tsvfile = open('in.txt', "r")
tsvreader = csv.reader(tsvfile, delimiter = " ")

for i in itertools.product('ACTG', repeat = 18):
    oneKmer = ''.join(i)
    flag = 1
    with open(InFile) as tsvfile:
        tsvreader = csv.reader(tsvfile, delimiter = " ")
        for line in tsvreader:
            if line[0] == oneKmer:
                flag = 0
                break
    if flag:
        print(oneKmer)

in.txt:

AAAAAAAAAAAAAAAAAA 1400100
AAAAAAAAAAAAAAAAAC 37055
AAAAAAAAAAAAAAAAAT 70686
AAAAAAAAAAAAAAAAAG 192363
AAAAAAAAAAAAAAAACA 20042
AAAAAAAAAAAAAAAACC 12965
AAAAAAAAAAAAAAAACT 10596
AAAAAAAAAAAAAAAACG 1732
AAAAAAAAAAAAAAAATA 16440
AAAAAAAAAAAAAAAATC 18461
...

Весь файл in.txt составляет 38 569 002 592 байта с 1 836 020 688 строками.

Ожидаемый результат должен быть (4 ^ 18 - 1 836 020 688) строк строк. Конечно, я буду дополнительно фильтровать их позже в сценарии.


В качестве простого примера предположим, что я хочу напечатать целые числа <16, которых нет в заданном отсортированном списке [3,5,6,8,10,11]. Результат должен быть [1,2,4,7,9,12,13,14,15]. Данный список огромен, поэтому я хочу читать его по одному элементу за раз. Поэтому, когда я читаю 3, я знаю, что могу распечатать 1 и 2. Затем пропустить 3 и прочитать следующие 5, теперь я могу распечатать 4 и пропустить 5.

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
0
0
81
2
Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Во-первых, открытие файлов во многих случаях замедляется, поэтому цикл ACTG должен быть включен в файловый цикл. Во-вторых, Stdout работает медленнее, чем вы думаете, поэтому остановите print(onemake) и выведите напрямую в файл. Возможно, они должны улучшить скорость.

Ответ принят как подходящий

Несколько решений, все из которых обрабатывают суперпоследовательность и подпоследовательность параллельно, используя линейное время и постоянную память.

Используя ваш простой пример:

full = iter(range(1, 16))
skip = iter([3,5,6,8,10,11])

Решение 0: (тот, который я придумал последним, но должен был сделать первым)

s = next(skip, None)
for x in full:
    if x == s:
        s = next(skip, None)
    else:
        print(x)

Решение 1:

from heapq import merge
from itertools import groupby

for x, g in groupby(merge(full, skip)):
    if len(list(g)) == 1:
        print(x)

Решение 2:

for s in skip:
    for x in iter(full.__next__, s):
        print(x)
for x in full:
    print(x)

Решение 3:

from functools import partial

until = partial(iter, full.__next__)
for s in skip:
    for x in until(s):
        print(x)
for x in full:
    print(x)

Решение 4:

from itertools import takewhile

for s in skip:
    for x in takewhile(s.__ne__, full):
        print(x)
for x in full:
    print(x)

Вывод всех решений:

1
2
4
7
9
12
13
14
15

Решение 0 для вашей актуальной проблемы:

import csv
import itertools

with open('in.txt') as tsvfile:
    tsvreader = csv.reader(tsvfile, delimiter=' ')
    skip = next(tsvreader, [None])[0]
    for i in itertools.product('ACTG', repeat=18):
        oneKmer = ''.join(i)
        if oneKmer == skip:
            skip = next(tsvreader, [None])[0]
        else:
            print(oneKmer)

Небольшое изменение:

import csv
from itertools import product
from operator import itemgetter

with open('in.txt') as tsvfile:
    tsvreader = csv.reader(tsvfile, delimiter=' ')
    skips = map(itemgetter(0), tsvreader)
    skip = next(skips, None)
    for oneKmer in map(''.join, product('ACTG', repeat=18)):
        if oneKmer == skip:
            skip = next(skips, None)
        else:
            print(oneKmer)

Не подскажете, какие методы можно использовать с csv.reader без загрузки всего файла? Я не знаком с питоном.

Galaxy 25.12.2020 04:01

И какие методы задействуют оба списка один раз? Они все едут на велосипеде один раз?

Galaxy 25.12.2020 04:04

@Галактика Все они. Я только что отредактировал, сделал итераторы full и skip.

Kelly Bundy 25.12.2020 04:04

@Galaxy А теперь я только что добавил самое простое решение, с которого должен был начать :-)

Kelly Bundy 25.12.2020 04:08

Будут ли методы Solution 1-4 загружать весь список в память? Я не уверен, что python сделает что-то. как ленивая копия или нет.

Galaxy 25.12.2020 04:15

@Galaxy Нет, все они правильно относятся к ним как к итераторам. См. новое редактирование внизу ответа, показывающее код для вашей реальной проблемы.

Kelly Bundy 25.12.2020 04:17

Другие вопросы по теме