Python中如何按字符串特征统计相对丰度总和？

需求说明 #

给定包含字符串和对应相对丰度的表格，以及一组特征字符串，需要检查每个字符串是否包含特征，并统计每个特征对应的丰度总和。

示例输入 #

• 字符串丰度表格：

+────────────+────────────+
| String     | Abundance  |
+────────────+────────────+
| abcdef     | 12         |
| cdefgh     | 15         |
| fghijk     | 36         |
| jklmnoabc  | 37         |
+────────────+────────────+

• 特征列表：cdef, abc, jk

实现方法 #

方法一：使用Pandas（适合处理大规模表格）

Pandas是Python中处理表格数据的常用库，代码简洁高效：

import pandas as pd

# 1. 定义输入数据
data = {
    'String': ['abcdef', 'cdefgh', 'fghijk', 'jklmnoabc'],
    'Abundance': [12, 15, 36, 37]
}
df = pd.DataFrame(data)
features = ['cdef', 'abc', 'jk']

# 2. 统计每个特征的丰度总和
result = {}
for feature in features:
    # 筛选包含当前特征的字符串，求和对应丰度
    total = df[df['String'].str.contains(feature)]['Abundance'].sum()
    result[feature] = total

# 3. 整理成结果表格并输出
result_df = pd.DataFrame(list(result.items()), columns=['Feature', 'Abundance (%)'])
print(result_df.to_string(index=False))

运行后输出：

Feature  Abundance (%)
  cdef              27
   abc              59
    jk              73

方法二：基础Python实现（适合小数据量）

如果不需要依赖第三方库，用基础Python也能完成：

# 1. 定义输入数据
string_list = ['abcdef', 'cdefgh', 'fghijk', 'jklmnoabc']
abundance_list = [12, 15, 36, 37]
features = ['cdef', 'abc', 'jk']

# 2. 初始化结果字典
feature_total = {feat: 0 for feat in features}

# 3. 遍历字符串和丰度，匹配特征并累加
for s, ab in zip(string_list, abundance_list):
    for feat in features:
        if feat in s:
            feature_total[feat] += ab

# 4. 格式化输出表格
print("+──────────+────────────────+")
print("| Feature  | Abundance (%)  |")
print("+──────────+────────────────+")
for feat, total in feature_total.items():
    # 格式化字符串保证对齐
    print(f"| {feat:<8} | {total:<16} |")
print("+──────────+────────────────+")

运行后输出和示例完全一致：

+──────────+────────────────+
| Feature  | Abundance (%)  |
+──────────+────────────────+
| cdef     | 27             |
| abc      | 59             |
| jk       | 73             |
+──────────+────────────────+

关键逻辑说明 #

• 核心是检查每个字符串是否包含目标特征：Python中可以用in关键字（基础写法）或Pandas的str.contains()方法（表格写法）实现匹配。
• 匹配成功后，将对应字符串的丰度累加到特征的总丰度中。

内容的提问来源于stack exchange，提问作者BenWest