0

我可以使用scanpy将表格数据加载到 DataFrame 中，但我缺少如何迭代它以访问选定的行/列。

这是单细胞基因组学数据，其中每一行是一个基因，每一列是特定细胞的表达值。行和列都有标签。表格原始数据如下所示：

Gene_symbol Cancer--Cell_1  Cancer--Cell_10 Cancer--Cell_100
A2M.AS1 0.0 0.0 0.0
A2MP1   0.0 0.0 0.0
AADACL2 0.0 0.0 0.0
AAGAB   154.561226827488    0.0 0.0
AAR2    295.875190529996    299.455534712676    0.0
AATF    546.792205537953    323.38381204192996  0.0
AATK    0.0 0.0 0.0
AATK.AS1    0.0 0.0 0.0
ABAT    0.0 0.0 0.0

这很容易像这样转换为 h5ad：

import pandas as pd
import scanpy.api as sc

adata = sc.read('fig1.tab', ext='txt', first_column_names=True).transpose()
adata.write('fig1.h5')

我可以加载它，但无法再次访问它的所有部分。例如，我如何选择两个基因行并获取所有列及其对应的值？如果我只想要某些列怎么办？

我的代码中的注释尝试输出如下：

adata = sc.read_h5ad('fig1.h5')

# this is for the cancer dataset
selected = adata[:, adata.var_names.isin({'AAR2', 'ECT2'})]

## this line spews information on the columns like:
#  Empty DataFrameView
#  Columns: []
# Index: [Cancer--Cell_1, Cancer--Cell_10, Cancer--Cell_100, Cancer--Cell_1000, Cancer--Cell_1001
print(selected.obs)

## this line gives the row information:
# Empty DataFrameView
# Columns: []
#Index: [AAR2, ECT2]
print(selected.var)

# Nothing happens here at all
#for i, row in selected.obs.iteritems():
#    print(i, row)

for gene_name, row in selected.var.T.iteritems():
    # this prints like: Series([], Name: AAR2, dtype: float64)
    print(row)

    # Nothing happens here
    for cell_name, val in row.iteritems():
        print("{0}\t{1}\t{2}".format(gene_name, cell_name, val))

如果有帮助，这里是fig1.h5 文件的 Dropbox 链接

4

1 回答 1

1

您正在迭代每个基因的变量（基因）元数据，而不是数据矩阵。

您的基因除了名称之外没有任何与之关联的元数据，这些元数据存储在 var metadata DataFrame 的索引中。您现在存储在row变量中的是单个基因的空元数据。

从您的评论中，我推断您想要迭代矩阵。你可以这样做：

cx = adata.X.tocoo()    
for cell, gene, value in zip(adata.obs_names[cx.row], adata.var_names[cx.col], cx.data):
    print(cell, gene, value)

当然，这仅在您的矩阵稀疏时才有效。

如果它很密集并且您真的想迭代每个值，包括零，我建议这样做：

for g, gene in enumerate(adata.var_names):
    for c, cell in enumerate(adata.obs_names):
        print(cell, gene, adata.X[c, g])
于 2018-01-19T15:44:08.907 回答