Laboratorio 8

ESERCIZIO XXII

Scrivere un programma che definisca una classe MatriceSparsa, che rappresenti una matrice utilizzando un dizionario del tipo (i,j): value.
Definire il metodo __init__() in modo che la matrice sia inizializzata come una matrice 1x1 contenente il valore 1.
Definire un metodo inserisci(i,j,value) che inserisce il valore value alla riga i, colonna j della matrice.
Definire un metodo stampa(), che stampi la matrice. N.B.: Per valori mancanti in posizione (i,j) il metodo stampa 0.

>>> mat = MatriceSparsa()
>>> mat.stampa()
1
>>> mat.inserisci(2,2,5)
>>> mat.stampa()
0 0 0
0 0 0
0 0 9
>>> mat.inserisci(0,2,12)
>>> mat.stampa()
0 0 12
0 0 0
0 0 5
>>> mat.inserisci(0,6,99)
>>> mat.stampa()
0 0 12 0 0 0 99
0 0 0 0 0 0 0
0 0 5 0 0 0 0

Soluzione

class MatriceSparsa(object):
    def __init__(self):
        self.rows = 1
        self.cols = 1
        self.values = {(0 ,0): 1}

    def inserisci(self, i ,j ,value ):
        self.rows = max(self.rows, i+1)
        self.cols = max(self.cols, j+1)
        self.values[(i,j)] = value
        
    def stampa(self):
        for i in xrange(self.rows):
            for j in xrange(self.cols):
                if (i,j) in self.values : # se la cella (i,j) e’ non nulla
                    print '%3i' % self.values[(i,j)],
                else:
                    print '%3i' % 0,
            print
            
mat = MatriceSparsa()
mat.stampa()

mat.inserisci(2 ,2 ,9)
mat.stampa()

mat.inserisci(2 ,0 ,45)
mat.stampa()

mat.inserisci(0 ,6 ,99)
mat.stampa()

ESERCIZIO XXIII

Scrivere una funzione conta_caratteri(s) che ritorni un dizionario contenente il numero di occorrenze per ciascun carattere presente nella stringa s:
>>> conta_caratteri('peptide') {'i': 1, 'p': 2, 'e': 2, 't': 1, 'd': 1}
Facoltativo: risolvere l’esercizio utilizzando i costrutti per il controllo delle eccezioni.
Utilizzare la funzione conta_caratteri per contare il numero di occorrenze per amminoacidi nella proteina P51787.

Soluzione

# Punto 1
def conta_caratteri(stringa):
    if type(stringa) != str:
        raise TypeError('Input type must be string')

    char_dict = {}
    for char in stringa:
        try:
            char_dict[char] += 1
        except KeyError:
            char_dict[char] = 1

    return char_dict

# Punto 2
sequenza = ""
with open("files/P51787.fasta") as fopen:
    for line in fopen:
        if not line.startswith('>'):
            sequenza += line.replace('\n','')

dict_ammino =  conta_caratteri(sequenza)
print dict_ammino

ESERCIZIO XXIV

Scrivere un programma che usando la libreria Biopython effettua le seguenti operazioni:

Istanziare due oggetti Seq rappresentanti rispettivamente la sequenza ACT e la sua sequenza complementare.
Usare la libreria SeqIO per parsare il file ls_orchid.gbk in formato genbank. Per ciascuna sequenza si stampino l’ID, la lunghezza della sequenza e il numero delle occorrenze delle sequenze istanziate al punto precedente rispettivamente nella sequenza letta e in quella complementare.
Si filtrino le sequenze lette al punto precedente in modo da selezionare solo quelle con una lunghezza inferiore a 700.
Si salvino le sequenza filtrate su un nuovo file usando il formato FASTA.

Soluzione

from Bio import SeqIO
from Bio.Seq import Seq

# Punto 1
seq = Seq('ACT')
seq2 = seq.complement()

# Punto 2
ls_orchid = SeqIO.parse('ls_orchid.gbk',format='genbank')

for seq_orch in ls_orchid:
    seq_o = seq_orch.seq
    seq_c = seq_orch.seq.complement()
    print seq_orch.id, len(seq_o)
    print '\tACT occ: ',str(seq_o).count(str(seq)), '-', str(seq_c).count(str(seq))
    print '\tTGA occ: ',str(seq_o).count(str(seq2)), '-', str(seq_c).count(str(seq2))

# Punto 3
filtered = filter(lambda l: len(l.seq) < 700, SeqIO.parse('ls_orchid.gbk',format='genbank'))

# Punto 4
SeqIO.write(filtered,'ls_orchid.fasta',format='fasta')

ESERCIZIO XXV

Dato un file .html fornito, "baby1993.html", contenente i nomi più popolari per i bambini nati nel 1990 negli USA, si scriva una funzione estrai_nomi() che prenda in ingresso il nome del file e ne faccia il parsing, restituendo una lista contenente l’anno come primo elemento seguito dalle stringhe nome-rank in ordine alfabetico ['1990', 'Aaron 34', 'Abbey 482', 'Abbie 685', ... ].

Si faccia uso della particolare struttura di questo file html:

...
<h3 align="center">Popularity in 1993</h3>
....
<tr align="right"><td>1</td><td>Michael</td><td>Jessica</td>
<tr align="right"><td>2</td><td>Christopher</td><td>Ashley</td>
<tr align="right"><td>3</td><td>Matthew</td><td>Brittany</td>

Soluzione

import re

def estrai_nomi(filename):
    """
    """
    pattern = r"<td>([\d]{1,})</td><td>([\w]{1,})</td><td>([\w]{1,})</td>"
    year_pattern = r"""<h3 align="center">Popularity in ([\d]{4})</h3>"""
    lista_nomi = []
    infile = open(filename)
    htmlPage = ''.join(line for line in infile)
    matches = re.finditer(pattern,htmlPage)
    for match in matches:
        lista_nomi.append(match.group(2)+' '+match.group(1))
        lista_nomi.append(match.group(3)+' '+match.group(1))
    lista_nomi.sort()
    match_year = re.search(year_pattern,htmlPage)
    year = match_year.group(1)
    return [year]+lista_nomi


print estrai_nomi("files/baby1993.html")[0:20]

Published: December 05 2019

category:
Laboratorio 9