长度为4的字符串中所有DNA字符的组合

Question

我正在尝试生成一个长度为四个字符的所有可能DNA序列的列表，这四个字符为A、T、C和G。总共有4^4（256）种不同的组合。我包括重复的，因此AAAA是允许的。 我查看了itertools.combinations_with_replacement(iterable, r) 但是，输出列表会根据输入字符串的顺序而改变。

itertools.combinations_with_replacement('ATCG', 4) #diff results to...
itertools.combinations_with_replacement('ATGC', 4)

因此，我尝试将itertools.combinations_with_replacement(iterable, r) 与itertools.permutations()结合起来。

这样可以将itertools.permutations()的输出传递给itertools.combinations_with_replacement()。定义如下：

def allCombinations(s, strings):
perms = list(itertools.permutations(s, 4))
allCombos = []
for perm in perms:
    combo = list(itertools.combinations_with_replacement(perm, 4))
    allCombos.append(combo)
for combos in allCombos:
    for tup in combos:
        strings.append("".join(str(x) for x in tup))

然而，当 li = [] 时，运行 allCombinations('ATCG', li) ，然后使用 list(set(li)) 仍然只会生成136个唯一的序列，而不是256个。

必须有一种简单的方法来解决这个问题，也许是生成一个幂集，然后过滤长度为4的子集？

- izaak_pyzaak

---

itertools.product('ATCG', repeat=4) ？ - ayhan

Post as answer and ill accept - izaak_pyzaak

这非常相似。但我认为链接中的用户正在询问字符串中组合的滑动窗口。 - izaak_pyzaak

@izaak_pyzaak，这基本上与DeepSpace的答案相同，只是更简短。因此，您可以接受他们的答案，他们可能会编辑答案以包括此替代方法。 - ayhan

没有加载的模块，纯Python代码一行搞定：sorted([ a+b+c+d for a in 'ATCG' for b in 'ATCG' for c in 'ATCG' for d in 'ATCG' ]) - nigel222

Answer 1

您可以通过使用product来实现此目的。它会给出传递的可迭代对象的笛卡尔积：

a = 'ACTG'

print(len(list(itertools.product(a, a, a, a))))
# or even better, print(len(list(itertools.product(a, repeat=4)))) as @ayhan commented
>> 256

但是它返回元组，所以如果你想要字符串:

for output in itertools.product(a, repeat=4):
    print(''.join(output))

>> 'AAAA'
   'AAAC'
   .
   .
   'GGGG'

- DeepSpace

---

谢谢，伙计。我很快会接受的。 - izaak_pyzaak

[''.join(x) for x in itertools.product(a, repeat=4)] 的列表推导式。 - Pax Vobiscum

Answer 2

你可以试试这个

l = []

s = 'ATCG'

for a in s:
    n1 = a
    for b in s:
        n2 = n1 + b
        for c in s:
            n3 = n2 + c
            for d in s:
                l.append(n3+d)

- Pax Vobiscum

---

这真的不太可扩展，也不是寻找itertools方法的问题的好答案。 - John Coleman

你说得对，确实不是最好的选择。但有时候你必须使用当前情况下最好的选项，而不仅仅是选择最可扩展的选项。这个相当容易理解。 - Pax Vobiscum

这个相对容易理解。但要理解这段代码的作用，需要在脑海中同时记住并跟踪8个不同的变量。 - DeepSpace

不，我不会将这个作为“复制+粘贴”的例子，然而4个嵌套的for循环的概念并非编程的，而是数学的，这个概念是基本组合学。再次思考回答这个问题的原因不是如何，而是为什么，是为了得到一个可行的一行代码？理解“itertools”？或者只是学校的练习... - Pax Vobiscum