函数返回地图列表，同时迭代字符串，kmer计数

问题描述：

我正在创建一个用Scala编写的k-mer频率计数器（类似于Hadoop中的字数）。我对Scala相当陌生，但我有一些编程经验。函数返回地图列表，同时迭代字符串，kmer计数

输入是一个包含基因序列的文本文件，我的任务是获取每个k-mer的频率，其中k是序列的某个指定长度。

因此，序列AGCTTTC具有三个5聚体（AGCTT，GCTTT，CTTTC）

我已经通过输入解析并创造了巨大的字符串这是整个序列，新线甩开作为一行序列末尾的k-mer计数仍应与下一行序列的开始形成k-mer。

现在我想写这将产生地图List[Map[String, Int]]的列表，它应该很容易使用Scala的groupBy函数来获得共同的k聚体

import scala.io.Source 

object Main { 
    def main(args: Array[String]) { 

    // Get all of the lines from the input file 
    val input = Source.fromFile("input.txt").getLines.toArray 

    // Create one huge string which contains all the lines but the first 
    val lines = input.tail.mkString.replace("\n","") 

    val mappedKmers: List[Map[String,Int]] = getMappedKmers(5, lines) 

    } 

    def getMappedKmers(k: Int, seq: String): List[Map[String, Int]] = { 
    for (i <- 0 until seq.length - k) { 
     Map(seq.substring(i, i+k), 1) // Map the k-mer to a count of 1 
    } 
    } 
}

夫妇的计数功能问题：

如何创建/生成List[Map[String,Int]]？
你会怎么做？

任何帮助和/或建议绝对赞赏！

为什么你用'1'来映射每一个kmer？它看起来只能是一个kmer，因此返回的类型可以只是'List [String]'。所以我建议的代码就是'seq sliding k toList'。 – 2014-10-06 02:27:37

好点，我实际上只是在一分钟前试图做这样的事情。 '1'在那里，因为我试图调整这一段代码以适应字数在hadoop MapReduce作业中的工作方式，其中每个键映射值为1，并且reduce函数累积每个键的总数（此处为kmer案件） – Joe 2014-10-06 02:33:09

答

你非常接近 - 你的代码有三个相当小的问题。

第一个是for (i <- whatever) foo(i)是语法糖whatever.foreach(i => foo(i))，这意味着你实际上没有对whatever的内容做任何事情。你想要的是for (i <- whatever) yield foo(i)，这是whatever.map(i => foo(i))的糖，并返回已转换的集合。

的第二个问题是，0 until seq.length - k是Range，不是List，因此，即使一旦你添加了yield，结果仍然不会与声明的返回类型排队。

第三个问题是Map(k, v)试图创建一个包含两个键值对的地图k和v。您需要Map(k -> v)或Map((k, v))，其中任何一个都明确表示您拥有单个参数对。

所以下面应该工作：

def getMappedKmers(k: Int, seq: String): IndexedSeq[Map[String, Int]] = { 
    for (i <- 0 until seq.length - k) yield { 
    Map(seq.substring(i, i + k) -> 1) // Map the k-mer to a count of 1 
    } 
}

你也可以的范围或整个结果转换到一个列表与.toList如果你愿意在最后名单。

值得一提的，顺便说一句，上Seq的sliding方法不正是你想要什么：

scala> "AGCTTTC".sliding(5).foreach(println) 
AGCTT 
GCTTT 
CTTTC

，我肯定会建议像"AGCTTTC".sliding(5).toList.groupBy(identity)真正的代码。

函数返回地图列表，同时迭代字符串，kmer计数

相关推荐