Python：基于区间列表筛选有效重叠区间的代码问题排查

需求说明 #

我需要实现基于bins_list和exons_array两个区间列表筛选有效区间的功能，规则如下：

• 若bin区间（bin_start, bin_end）完全在exon区间（interval[0], interval[1]）内，将该bin区间加入valid_interval；
• 若bin区间完全在exon区间外，则跳过该区间；
• 若两者部分重叠，仅截取并添加重叠部分到valid_interval。

问题现状 #

当前代码运行后结果错误，例如第一个bin区间(7669608,7670307)与exon区间(7669608,7669690)重叠，应添加(7669608,7669690)到valid_interval，但实际结果为空。我怀疑问题出在else分支的逻辑上。

原代码 #

valid_interval = []
for bin_start,bin_end in bins_list:
    for interval in exons_array:
        if bin_start >= interval[0] and bin_end <= interval[1]:
            valid_interval.append((bin_start, bin_end))
        if (bin_start < interval[0] and bin_end < interval[0]) or (bin_start > interval[1] and bin_end > interval[1]):
            continue 
        else:
            if bin_end > interval[1]:
                bin_end = interval[1]
            if bin_start < interval[0]:
                bin_start = interval[0]
            valid_interval.append((bin_start, bin_end))

测试数据 #

exons_array = [[7669608, 7669690], [7670608, 7670715], [7673218, 7673266], [7673306, 7673339], [7673534, 7673608], [7673700, 7673837], [7674180, 7674290], [7674858, 7674971], [7675052, 7675236], [7675993, 7676272], [7676381, 7676403], [7676520, 7676594]]

bins_list = [(7669608, 7670307), (7670307, 7671006), (7671006, 7671705), (7671705, 7672404), (7672404, 7673103), (7673103, 7673802), (7673802, 7674501), (7674501, 7675200), (7675200, 7675899), (7675899, 7676598)]

问题分析与修复 #

原代码核心问题：

1. 重复添加区间：第一个if判断bin完全在exon内时添加一次，后续else分支会再次添加该区间；
2. 破坏原始变量：在else分支直接修改bin_start和bin_end，导致当前bin与后续exon匹配时使用错误的区间值；
3. 逻辑冗余混乱：continue仅跳过当前exon循环，无法避免无效判断，分支逻辑覆盖不全。

修复后的代码：

valid_interval = []
for bin_start, bin_end in bins_list:
    for exon_start, exon_end in exons_array:
        # 计算重叠区间的起止值
        overlap_start = max(bin_start, exon_start)
        overlap_end = min(bin_end, exon_end)
        # 仅当存在有效重叠时添加
        if overlap_start < overlap_end:
            valid_interval.append((overlap_start, overlap_end))

修复逻辑说明 #

• 用max和min直接计算重叠区间，无需复杂分支判断，自动覆盖三种规则场景：
  • 完全包含：overlap_start和overlap_end等于原bin区间；
  • 完全不重叠：overlap_start >= overlap_end，不添加；
  • 部分重叠：自动截取重叠部分；
• 保留原始bin区间值，避免修改循环变量影响后续exon匹配；
• 逻辑简洁清晰，无冗余判断。

运行修复后的代码，第一个bin区间会正确添加(7669608, 7669690)，其余重叠情况也能得到正确结果。

内容的提问来源于stack exchange，提问作者ZieX