84700_zh-TW

liliconcom

計算序列中 T 的數量

你好，

我試圖找到一個公式來計算字母在序列中連續重複的最高次數。 我附上了一個示例，其中我嘗試為 Poly Ts 列編寫公式，它將連續生成序列中的 Ts 計數。

 

 

謝謝你，

普拉蒂什

回复：計算序列中 T 的數量

本著“其他解決方案”的精神，這是另一個強力解決方案：

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：計算序列中 T 的數量

使用 ShortestEditScript() 的表公式在本應是序列的公式部分中使用了 s2。 附有修正後的功能表。

回复：計算序列中 T 的數量

這是一個簡單的暴力方法；不確定相對於的性能@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：計算序列中 T 的數量

正則表達式專家可能有一個很好的模式來掃描和查找所有匹配項，但這超出了我的正則表達式技能範圍。

 

我提供了兩種可以使用列公式完成的解決方案。 兩者可能都需要一些解釋。

第一個使用嵌套字符函數，第二個使用 ShortestEditScript() 函數。 順便說一句，您沒有指定是否計算 (N1) 之前的 T 序列，兩者都使用整個字符串。 附上示例表，解釋如下

 

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

 

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

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

這是各個函數的日誌輸出

//:*/
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() 是一個有趣的函數。 腳本9_Extra_ShortestEditDistance.jsl寫給JSL Companion，JMP 腳本語言的應用程序第二版記錄了使用這一強大而有用的功能的 4 種不同方法。對於此示例，我使用 Sequnces() 並請求矩陣輸出。 在這個論壇中完整地記錄這一點需要太多的空間，所以我將只展示結果並添加一些評論。

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

被比較的兩個字符串是 s2 和由函數 Repeat("T", length(s2) ) 創建的所有 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
*/

所以現在需要找到矩陣第一列中 0 的位置（匹配/公共/T），這可以使用 loc() 函數來完成。 那麼匹配序列的長度就在第4列，所以只要找到最大值就可以了。注意 msed[0,1] 代表矩陣 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

看到其他解決方案將會很有趣。