Python統計在我們的使用中有很多的障礙，其中在DNA序列上的相關問題就需要我們不斷的去學習。下面我們就向大家介紹有關的問題，希望在以后Python統計的使用過程中有所收獲。

給定一堆DNA序列，即由字符A, C, G, T組成的字符串，統計所有長度為n的子序列出現的頻率。比如 ACGTACGT，子序列長度為2，于是 AC=2, CG=2, GT=2, TA=1，其余長度為2的子序列頻率為0.

***想到的就是建一個字典，key是所有可能的子序列，value是這個子序列出現的頻率。但是當子序列比較長的時候，比如 n=8，需要一個有65536 (4的8次方) 個key-value pair的字典，且每個key的長度是8字符。這樣ms有點浪費內存。。

于是想到，所有的長度為n的子序列是有序且連續的，所以可以映射到一個長度為4的n次方的的list里。令 A=0, C=1, G=2, T=3，則把子序列 ACGT 轉換成 0*4^3 + 1*4^2 + 2*4 + 3 = 27, 映射到list的第27位。如此，list的index對應子序列，而list這個index位置則儲存這個子序列出現的頻率。

于是我們先要建立2個字典，Python統計表示ACGT和0123一一對應的關系：

i2mD = {0:'A', 1:'C', 2:'G', 3:'T'}  
m2iD = dict(A=0,C=1,G=2,T=3)  
# This is just another way to initialize a dictionary 

以及下面的子序列映射成整數函數：

def motif2int(motif):  
'''convert a sub-sequence/motif to a non-negative integer'''  
total = 0 
for i, letter in enumerate(motif):  
total += m2iD[letter]*4**(len(motif)-i-1)  
return total  
Test:  
>>> motif2int('ACGT')  
27 

以上就是對Python統計的相關介紹。雖然我們內部把子序列當成正整數來存儲（確切地說，其實這個整數是沒有存在內存里的，而是由其在list的index表示的），為了方便生物學家們看，輸出時還是轉換回子序列比較好。

【編輯推薦】

1. Python字符串如何進行代碼替換
2. Python輸入方式具體的三種實現方式
3. Python編程語言維和受到眾人的追捧
4. Python編程語言具有相當高的適應能力
5. Python字符串替換如何才能進行字符的拆分