修改Python函数 实现DNA序列中多个碱基的位置查找

问题背景 #

现有DNA序列碱基查找函数仅支持匹配单个碱基，示例DNA序列定义如下：

dna = ['A', 'G', 'C', 'G', 'T', 'A', 'G', 'T', 'C', 'G', 'A', 'T', 'C', 'A', 'A', 'T', 'T', 'A', 'T', 'A', 'C', 'G', 'A', 'T', 'C', 'G', 'G', 'G', 'T', 'A', 'T']

原有函数代码：

def position(list, value):
     pos = []
     for n in range(len(list)):
             if list[n] == value:
                     pos.append(n)
     return pos

需要调整函数逻辑，支持同时传入多个碱基（如'A'、'T'），返回所有匹配碱基的索引位置，同时兼容原有单碱基查询的调用方式，避免影响已有代码。

修改方案 #

核心调整是把单值相等判断改为集合成员判断，同时做输入兼容，修改后代码如下：

def position(dna_list, targets):
    pos = []
    # 兼容单碱基、多碱基两种输入格式，统一转为集合做匹配
    if isinstance(targets, str):
        target_bases = {targets}
    else:
        target_bases = set(targets)
    
    # 用enumerate直接获取索引和对应碱基，写法更简洁
    for idx, base in enumerate(dna_list):
        if base in target_bases:
            pos.append(idx)
    return pos

使用方式 #

• 单碱基查询（和原有函数调用逻辑完全一致）：

  # 查找所有A的位置
  print(position(dna, 'A'))
  

• 多碱基查询：

  # 查找所有A和T的位置
  print(position(dna, ['A', 'T']))
  

优化说明 #

• 用集合存储待匹配碱基，成员判断效率更高，长序列下性能优势明显
• 兼容原有单碱基查询的调用方式，不需要修改之前已经写好的调用代码
• 用enumerate替代原有的下标遍历写法，代码可读性更好

内容的提问来源于stack exchange，提问作者DelRae Steiner