python - Python中的常用词

如何编写代码来找到“GATCCAGATCCCCATAC”中最常见的 2-mer。
我已经写了这段代码，但似乎我错了，请帮助纠正我。

def PatternCount(Pattern, Text):
    count = 0
    for i in range(len(Text)-len(Pattern)+1):
        if Text[i:i+len(Pattern)] == Pattern:
            count = count+1
    return count

此代码打印字符串中最常见的 k-mer，但它没有给我
给定字符串中的 2-mer。

最佳答案

您可以先定义一个函数来获取字符串中的所有 k-mer:

def get_all_k_mer(string, k=1):
   length = len(string)
   return [string[i: i+ k] for i in xrange(length-k+1)]

然后就可以使用 collections.Counter 来统计每个 k-mer 的重复次数:

>>> from collections import Counter
>>> s = 'GATCCAGATCCCCATAC'
>>> Counter(get_all_k_mer(s, k=2))

输出:

Counter({'AC': 1,
         'AG': 1,
         'AT': 3,
         'CA': 2,
         'CC': 4,
         'GA': 2,
         'TA': 1,
         'TC': 2})

另一个例子 :

>>> s = "AAAAAA"
>>> Counter(get_all_k_mer(s, k=3))

输出 :

Counter({'AAA': 4})
# Indeed : AAAAAA
           ^^^     -> 1st time
            ^^^    -> 2nd time
             ^^^   -> 3rd time
               ^^^ -> 4th time