Conditional Probability-Python

Question

我正在研究此python问题：

给出以字符串形式存储的DNA碱基{A，C，G，T}的序列，在数据结构中返回条件概率表，以便可以查询一个碱基（b1），然后查询第二个碱基（b1）。 b2），以获得第二个碱基在第一个碱基之后立即出现的概率p（b2 | b1）。 （假设seq的长度> = 3，并且从未一起见过的任何b1和b2的概率为0。忽略b1将在字符串末尾跟随的概率。）

您可以使用collections模块，但不能使用其他库。

但是我遇到了障碍：

word = 'ATCGATTGAGCTCTAGCG'

def dna_prob2(seq):
    tbl = dict()
    levels = set(word)
    freq = dict.fromkeys(levels, 0)
    for i in seq:
        freq[i] += 1
    for i in levels:
        tbl[i] = {x:0 for x in levels}
    lastlevel = ''
    for i in tbl:
        if lastlevel != '':
             tbl[lastlevel][i] += 1
        lastlevel = i
    for i in tbl:
        print(i,tbl[i][i] / freq[i])
    return tbl

tbl['T']['T'] / freq[i] 

基本上，最终结果应该是您在上面看到的最后一行tbl。但是，当我尝试在print(i,tbl[i][i] /freq[i)中执行该操作并运行dna_prob2(word)时，我得到的所有结果均为0.0s。

很想知道这里是否有人可以帮忙。

谢谢！

Answer 1

def makeprobs(word):
  singles = {}
  probs = {}
  thedict={}
  ll = len(word)
  for i in range(ll-1):
    x1 = word[i]
    x2 = word[i+1]
    singles[x1] = singles.get(x1, 0)+1.0
    thedict[(x1, x2)] = thedict.get((x1, x2), 0)+1.0
  for i in thedict:
    probs[i] = thedict[i]/singles[i[0]]
  return probs

Answer 2

word = 'ATCGATTGAGCTCTAGCG'

def dna_prob2(seq):
    tbl = dict()
    levels = set(seq)     
    freq = dict.fromkeys(levels, 0)
    for i in seq:
        freq[i] += 1
    for i in levels:
        tbl[i] = {x:0 for x in levels}
    lastlevel = ''
    for i in seq:            
        if lastlevel != '':
             tbl[lastlevel][i] += 1
        lastlevel = i
    return tbl, freq          

condfreq, freq = dna_prob2(word)  
print(condfreq['T']['T']/freq['T']) 
print(condfreq['G']['A']/freq['A']) 
print(condfreq['C']['G']/freq['G'])

希望这会有所帮助。