2025 iThome 鐵人賽

DAY 13

AI & Data

Rosalind 生物資訊解題系統系列第 13 篇

Day13 | Rosalind 生資解題 - 006. HAMM（Counting Point Mutations）+asterisk星號用法+zip()語法

17th鐵人賽

gjlmotea

2025-09-24 22:46:44

20 瀏覽

分享至

Day13 | Rosalind 生資解題 - 006. HAMM（Counting Point Mutations）+asterisk星號用法+zip()語法

題目連結：https://rosalind.info/problems/hamm/

今天文章比較長，要冷靜忍耐一下
（文末有提到zip()與asterisk星號用法，篇幅hen長）

輸入兩基因序列，比對這兩序列中有幾個不一樣的地方。
計算兩字串不同字符的個數，這個就稱為漢明距離 (Hamming distance)

11110000
01110001

上述範例經過逐位比較後，得到漢明距離為2
代表需要兩個步驟（單一位元的替換）才能讓兩字串相同

順帶一提，漢明距離 與 漢明碼 有關聯
漢明碼（Hamming Code）是最早的一種系統糾錯碼／錯誤更正碼（ECC, error-correcting code）
引入”檢查位元（Parity bits）“，可以發現並修正一個錯誤，常用在封包傳輸

輸入

GAGCCTACTAACGGGAT
CATCGTAATGACGGCCT

輸出

7

程式碼

data = \
    """
    GAGCCTACTAACGGGAT
    CATCGTAATGACGGCCT
    """

lines = data.splitlines()
lines = [line.strip() for line in lines if line.strip()]

count = 0
for i in range(len(lines[0])):
    if lines[0][i] != lines[-1][i]:
        count += 1

print(count)

函式寫法

def hamming_distance(s: str, t: str) -> int:
    total = 0
    zipped = zip(s, t)
    for a, b in zipped:
        if a != b:
            total += 1

    return total
    # return sum(1 for a, b in zip(s, t) if a != b) # 這個函式可改成精簡的單行寫法

# 手動將資料拆分兩序列
source = "GAGCCTACTAACGGGAT"
target = "CATCGTAATGACGGCCT"

print(hamming_distance(source, target))

迴圈陷阱

在過濾資料（剔除空字串、空物件）時，
不建議在叠代陣列（集合）的同時，對陣列本身進行新增／刪除
因為這會改變原先長度和索引順序，出現意料之外的結果
ex: 刪除陣列中的元素時，陣列會「變短」，然而for迴圈的索引卻「照原本的長度走」

錯誤寫法例1：看似正常的情況

items = ["a", "", "b", "", "c"]
for item in items:
    if not item:
        items.remove(item)  # 不要這樣做！別在迴圈中修改列表，會造成執行順序錯亂（跳過元素）
print("錯誤寫法 例1：", items)  # ["a", "b", "c"]

錯誤寫法例2：出現非預期的結果

items = ["a", "", "b", "", "", "c"]
for item in items:
    if not item:
        items.remove(item)
print("錯誤寫法 例2：", items)  # ["a", "b", "", "c"]

正確寫法（迴圈版）：

使用新的陣列來儲存所需要的資料

items = ["a", "", "b", "", "", "c"]
new_items = []
for item in items:
    if item:  # 只留下真值（篩掉所有falsy值 ex:"", 0, None, False）
        new_items.append(item)
print("正確寫法（迴圈版）：", new_items)  # ['a', 'b', 'c']

正確寫法（精簡版）：

items = ["a", "", "b", "", "", "c"]
items = [
    item
    for item in items
    if item
]
# items = [item for item in items if item] # 單行寫法（List Comprehension）
print("正確寫法（精簡版）：", items)  # ['a', 'b', 'c']

另外，
if item／if not item是判斷 truthy／falsy value
包含：空字串""、整數0、浮點數0.0、布林值False、空值None、空容器[]{}()
而 if (item != "") 則只有過濾空字串""

Python zip()用法

zip具有拉鍊、打包、壓縮的意思，可將多個元素配對，打包成一個元組

打包範例（可打包多個元素）

# ==== 範例1 ====
zipped = zip([1, 2, 3], ['a', 'b', 'c'])
print("範例1：", zipped)  # <zip object at 0x12bc43a00> 直接輸出是物件位址
print("範例1：", list(zipped))  # [(1, 'a'), (2, 'b'), (3, 'c')]
print("範例1：", list(zipped))  # [] => 空了

# ==== 範例2 ====
student = ['小明', '小華', '小美', '小夫']
score = [85, 92, 78, 88]
subject = ['數學', '數學', '數學', '數學']

class_gradebook = zip(student, score, subject)
# [('小明', 85, '數學'), ('小美', 92, '數學'), ('阿強', 78, '數學'), ('阿珍', 88, '數學')]

for student, score, subject in class_gradebook:
    print("範例2：", student, score, subject)

# 小明 85 數學
# 小美 92 數學
# 阿強 78 數學
# 阿珍 88 數學

zip()陷阱

但是在運用zip()時，也要小心使用陷阱

# ==== 陷阱1 ====
zipped = zip([1, 2, 3], ['a', 'b', 'c'])
print("陷阱1：", zipped)  # <zip object at 0x12bc43a00> 直接輸出是物件位址
print("陷阱1：", list(zipped))  # [(1, 'a'), (2, 'b'), (3, 'c')]
print("陷阱1：", list(zipped))  # [] => 空了

# ==== 陷阱2 ====
zipped = zip([1, 2, 3], ['a', 'b', 'c'])
list(zipped)
print("陷阱2：", list(zipped))  # [] => 直接空了

z = list(zipped)  # 要用變數將zip叠代結果存起來，才有辦法重複使用

# ==== 陷阱3 ====
# 長度不一致時，zip 會自動對齊最短長度
# 超出部分會被忽略，而不會報錯
zipped = zip([1, 2, 3], ['a', 'b', 'c', 'd'])  # 因長度不匹配，'d'會被丟掉
print("陷阱3：", list(zipped))  # [(1, 'a'), (2, 'b'), (3, 'c')]

zip()是一種懶惰叠代器(Lazy Iterator)，是只能走過一遍的叠代器（一次性消耗品）
里面的東西（資料流）只能倒出來一次，用一次就沒了，再用就是空的。除非額外使用變數將「倒出結果」儲存起來。
相同類型的iterator還有：map(), filter(), enumerate(), open(), iter()

拆解方式unzip

因為zipped過後，內容已經被分為「欄列」可以視作一張「表（Table）」了

所以拆解zip包的方式，自然分成兩種：橫向拆分 vs 直的解開

拆包：多變數賦值／序列解包（unpacking）
把「一包多個值」分配給多個變數 => 拿n個變數去「接n個tuple」。
解包：轉置解包／參數解包（*unpacking）
把包裝資料攤平、展開 => 把包還原為「打包前」的樣子

兩種方式「變數的數量」都要正確

names = ['早餐', '午餐', '晚餐']
costs = ['$35', '$80', '$65']

zipped = list(zip(names, costs))  # 由3個tuple組成的list
print("記錄：", zipped)  # [('早餐', '$35'), ('午餐', '$80'), ('晚餐', '$65')]

# 拆解方式1：拆包 多變數賦值／序列解包
record_1, record_2, record_3 = zipped
print(record_1, record_2, record_3)  # ('早餐', '$35') ('午餐', '$80') ('晚餐', '$65')

# 拆解方式2：解包 轉置解包／參數解包
names, costs = zip(*zipped)
print(names, costs)  # ('早餐', '午餐', '晚餐') ('$35', '$80', '$65')

print("項目：", names)  # ('早餐', '午餐', '晚餐')
print("開銷：", costs)  # ('$35', '$80', '$65')

Python 星號(*) asterisk

在Python中，偶爾會看到*與**的用法
簡單來說，這兩者代表的是一個元組／陣列／字典里面的剩餘元素

單星號*（asterisk, single star）：
打包／解包可叠代物件 unpack iterable（list/tuple）
處理的是位置參數（positional arguments），按照位置順序解析
雙星號**（double asterisk, double star）：
打包／解包字典 unpack dictionary（key/value）
處理的是具名參數（keyword arguments），按照參數名稱解析

兩者都可以做打包、解包，啥意思？

解包

先來看解包的例子：

# ==== single star ====
args = (1, 2, 3, 4)
print(*args)  # 解開成 1 2 3 4

list1 = [1, 2, 3]
list2 = [4, 5]
combined = [*list1, *list2]  # 解開陣列，存入新陣列中
print(combined)  # [1, 2, 3, 4, 5]

zipped = [('早餐', '$35'), ('午餐', '$80'), ('晚餐', '$65')]
record_1, *others = zipped # 把右邊拆開放到左邊
print(record_1)  # ('早餐', '$35')
print(others) # [('午餐', '$80'), ('晚餐', '$65')]

# ==== double star ====
dict1 = {"a": 1, "b": 2}
dict2 = {"c": 3}
merged = {**dict1, **dict2}  # 解開字典，存入新字典中
print(merged)  # {'a': 1, 'b': 2, 'c': 3}

打包

再來看打包（收集、組裝）的例子：

# ==== single star ====
def add_all(*args):  # 收參數（打包），把傳進來的位置參數放進tuple中
    print(*args)  # 1 2 3 4 => 解參數、解包後的樣子
    print(args)  # (1, 2, 3, 4) => 未解包的模樣
    print(args[0])  # 1

    return sum(args)

total = add_all(1, 2, 3, 4)
print(total)  # 10

# ==== double star ====
def parse_data(**kwargs):  # 允許無限制數量的關鍵字參數
    for name, cost in kwargs.items():
        print(name, cost)

record = {'早餐': '$35', '午餐': '$80'}

parse_data(**record)
# 早餐 $35
# 午餐 $80

parse_data(午餐='$50', 晚餐='$30', 宵夜='$250')  # 支援跟鬼一樣的用法
# 午餐 $50
# 晚餐 $30
# 宵夜 $250

強制參數類型

最後是
強制使用具名參數／位置參數

# 一般寫法
def record_item(item: str, cost: str):
    print(item, cost)

record_item("早餐", "$10")  # 位置參數，按照順序填
record_item(item="午餐", cost="$120")  # 具名參數，指定關鍵字

# 強制使用具名參數 => 在*右側的參數，只能用具名參數(keyword)
def record_item_k1(*, item: str, cost: str):
    print(item, cost)

# record_item_k1("早餐", "$10") => 會出錯，不能用"位置參數"
record_item_k1(item="午餐", cost="$120")

def record_item_k2(item: str, *, cost: str): # *在中間 => 只有*右側的cost需要使用具名參數
    print(item, cost)

record_item_k2(item="午餐", cost="$120")
record_item_k2("晚餐", cost="$250") # 這行可運作

# 強制使用位置參數 => 在/左側的參數，只能用位置參數(positional)
def record_item_p1(item: str, cost: str, /):
    print(item, cost)

# record_item_p1(item="午餐", cost="$120") # 會出錯，不能用"具名參數"
record_item_p1("晚餐", "$250") # 這行可運作




# 兩者混用mix（強制具名、強制位置）
# 若兩同時存在，/必須出現在*前面
def record_item_m1(item: str, /, cost: str, *, notes: str):
    print(item, cost)

record_item_m1("蹦迪", "$1000", notes="好貴")

# def record_item_m2(item: str, *, cost: str, /): # 這行會報錯 SyntaxError: / must be ahead of *
#     print(item, cost)

最終的大雜燴
打包／解包 搭配 強制使用具名參數／位置參數

# item, cost 只能用位置參數。剩下傳入的位置參數都會被*extra收集起成tuple
def record_1(item, cost, /, *extra):
    print(item, cost, extra)  # 早餐 $50 ('便利商店', '一杯咖啡、兩顆茶葉蛋')
    print(*extra)  # 早餐 $50 ('便利商店', '一杯咖啡、兩顆茶葉蛋')

record_1("早餐", "$50", "便利商店", "一杯咖啡、兩顆茶葉蛋")

# item, cost 只能用具名參數。剩下傳入的具名參數都會被**extra收集成dict
def record_2(*, item, cost, **extra):
    print(item, cost, extra)  # 晚餐 $120 {'地點': '火鍋店', '備註': '原味健康火鍋'}
    print(*extra) # 地點 備註 => 印出key
    # print(**extra)  # 會報錯 => print()不支援印出具名參數

record_2(item="晚餐", cost="$120", 地點="火鍋店", 備註="原味健康火鍋")