84700_zh-CN

liliconcom

计算序列中 T 的数量

你好，

我试图找到一个公式来计算字母在序列中连续重复的最高次数。 我附上了一个示例，其中我尝试为 Poly Ts 列编写公式，它将连续生成序列中的 Ts 计数。

 

 

谢谢你，

普拉蒂什

回复：计算序列中 T 的数量

本着“其他解决方案”的精神，这是另一个强力解决方案：

NamesDefaultToHere(1);

// Given a string and a single character, finds the longest sequence of that character
// and returns the length and starting position of that sequence. If the sequence
// occurs more than once, only the first is identified
findLongestRepeatedCharacter =
Function({str, char}, {Default Local},
 n = Length(str);
 count = 0;
 currentCount = 1;
 // Traverse the string except for the last character
 for (i = 1, i <= n-1, i++,
  thisChar = Substr(str, i, 1);
  nextChar = Substr(str, i+1, 1);
  // If the current character and the next are both 'char' ...
  if((thisChar == char & nextChar == char),
   // ... increment 'currentCount'
   currentCount++,
   // ... else if they're not ...
   if(currentCount > count,
    // ... record 'currentCount' if it's bigger than we've seen so far
    count = currentCount;
    );
   // ... and reset 'currentCount'
   currentCount = 1;
   );
  );
 // Build the sequence we've found
 seq = Repeat(char, count);
 // Find where it occurs
 pos = Munger(str, 1, seq);
 // Return the results
 if (pos == 0,
  EvalList({0, pos}),
  EvalList({count, pos})
  );
 );

// Try it out
str = "(N1:25252525)AACCAA(N1)GACGTTAACAGTTCTTTG";
Print(findLongestRepeatedCharacter(str, "T"));
Print(findLongestRepeatedCharacter(str, "A"));
Print(findLongestRepeatedCharacter(str, "X"));

回复：计算序列中 T 的数量

使用 ShortestEditScript() 的表公式在本应是序列的公式部分中使用了 s2。 附有修正后的功能表。

回复：计算序列中 T 的数量

这是一个简单的暴力方法；不确定相对于的性能@gzmorgan0的方法。

s2 = "(N1:25252525)AACCAA(N1)GACGTTAACAGTTCTTTG";
len = length(s2);
tstring = repeat("T", len);
maxlen  = 0;
for (i = len, i >= 1, i--,
 if (contains(s2, tstring),
  maxlen = i;
  break();
  ,
  tstring = substr(tstring, 2);
 );
);
show(maxlen);

回复：计算序列中 T 的数量

正则表达式专家可能有一个很好的模式来扫描和查找所有匹配项，但这超出了我的正则表达式技能范围。

 

我提供了两种可以使用列公式完成的解决方案。 两者可能都需要一些解释。

第一个使用嵌套字符函数，第二个使用 ShortestEditScript() 函数。 顺便说一句，您没有指定是否计算 (N1) 之前的 T 序列，两者都使用整个字符串。 附上示例表，解释如下

 

假设 s2 = "(N1:25252525)AACCAA(N1)GACGTTAACAGTTCTTTG";

 

字符函数：Words()、Sort List()、Reverse()、list[n]、Length()

Length(Reverse(Sort List(words(s2,"ACGN():0123456789")))[1]);

这是各个函数的日志输出

//:*/
words(s2,"ACGN():0123456789")
/*:
{"TT", "TT", "TTT"}
//:*/
Reverse(Sort List(words(s2,"ACGN():0123456789")))
/*:
{"TTT", "TT", "TT"}
//:*/
Reverse(Sort List(words(s2,"ACGN():0123456789")))[1]
/*:
"TTT"
//:*/
Length(Reverse(Sort List(words(s2,"ACGN():0123456789")))[1]);
/*:
3

ShortestEditScript() 是一个有趣的函数。 脚本9_Extra_ShortestEditDistance.jsl写给JSL Companion，JMP 脚本语言的应用程序第二版记录了使用这一强大而有用的功能的 4 种不同方法。对于此示例，我使用 Sequnces() 并请求矩阵输出。 在这个论坛中完整地记录这一点需要太多的空间，所以我将只展示结果并添加一些评论。

 msed = Shortest Edit Script( Strings(s2, Repeat("T",length(s2)),matrix(1)) );
 maximum(msed[loc(msed[0,1]==0),4]);

被比较的两个字符串是 s2 和由函数 Repeat("T", length(s2) ) 创建的所有 T 的字符串。

 msed = Shortest Edit Script( Strings(s2, Repeat("T",length(s2)),matrix(1)) );

/*:
[-1 1 . 27,
  0 28 1 2,
 -1 30 . 5,
  0 35 3 2,
 -1 37 . 1,
  0 38 5 3,
 -1 41 . 1,
  1 . 8 34]
  
/* The matrix output  n x 4 where n = nrow(msed)
Column1:  -1 | 1| 0  -1-->remove, 1-->insert, 0-->common
Column2:  position in the 1st string .-->missing / not found
Column3:  position in the 2nd string .-->missing / not found
Column4:  length
*/

所以现在需要找到矩阵第一列中 0 的位置（匹配/公共/T），这可以使用 loc() 函数来完成。 那么匹配序列的长度就在第4列，所以只要找到最大值就可以了。注意 msed[0,1] 代表矩阵 msed 的第一列。

loc(msed[0,1]==0)<BR />/*:<BR />[2, 4, 6] <BR />//:*/<BR />msed[loc(msed[0,1]==0),4]<BR />/*:<BR />[2, 2, 3]<BR />//:*/<BR /> maximum(msed[loc(msed[0,1]==0),4]);<BR />/*:<BR />3

看到其他解决方案将会很有趣。