Python 3.x中IPRB代码出现NameError: pr31未定义的原因排查

首先，你遇到的NameError: name 'pr31' is not defined问题，根源在于代码的循环逻辑设计有缺陷：你通过遍历[k,m,n]这个数值列表来处理三种基因型，但当存在重复数值（比如测试用例里k=m=25）时，会导致代码分支被重复执行，甚至在某些边界场景下，变量无法被正确赋值。

举个例子，当k和m数值相同时，for i in org会两次触发i==k和i==m的分支，重复计算pr1和pr2——虽然在k=m=n=2的示例中结果碰巧正确，但这种逻辑非常不稳定，容易出现变量未定义的情况。

更简洁且可靠的解决方案 #

ROSALIND的IPRB问题核心是计算显性后代的概率，我们可以通过先计算隐性后代的概率，再用1减去它的方式实现，逻辑清晰且不易出错：

# 输入你的基因型数量
k = 25
m = 25
n = 19

total = k + m + n
if total < 2:
    # 特殊情况：只有一个个体，无法交配，显性概率为0
    print(0.0)
else:
    # 计算隐性后代的概率
    recessive_prob = 0.0
    # 1. Aa与Aa交配，产生aa的概率是0.25
    recessive_prob += (m * (m - 1)) / (total * (total - 1)) * 0.25
    # 2. Aa与aa交配（两种方向：Aa选第一个或aa选第一个），产生aa的概率是0.5
    recessive_prob += (m * n + n * m) / (total * (total - 1)) * 0.5
    # 3. aa与aa交配，产生aa的概率是1.0
    recessive_prob += (n * (n - 1)) / (total * (total - 1)) * 1.0

    # 显性概率 = 1 - 隐性概率
    dominant_prob = 1 - recessive_prob
    print(dominant_prob)

代码说明 #

1. 总个体数：先计算所有个体的总数total，处理特殊情况（个体数小于2时无法交配）。
2. 隐性概率计算：
   • Aa和Aa交配：从m个Aa中选2个，概率是m*(m-1)/(total*(total-1))，乘以产生隐性后代的概率0.25。
   • Aa和aa交配：包含两种情况（先选Aa再选aa，或先选aa再选Aa），所以概率是2*m*n/(total*(total-1))，乘以0.5。
   • aa和aa交配：从n个aa中选2个，概率是n*(n-1)/(total*(total-1))，乘以1.0。
3. 显性概率：用1减去隐性概率即可得到结果。

这种方法避免了复杂的循环和条件判断，不会出现变量未定义的问题，同时计算结果准确可靠。

内容的提问来源于stack exchange，提问作者Mehmet İzmirli