pandas plink Download - pandas plink Quellcode herunterladen

pandas plink

Anderer Quellcode

Herunterladen

Pandas-Plink

Pandas-plink ist ein Python-Paket zum Lesen des PLINK-Binärdateiformats und realisierter Beziehungsmatrizen (PLINK oder GCTA). Das Lesen der Datei erfolgt per Lazy Loading, was bedeutet, dass Speicher gespart wird, indem tatsächlich nur die Genotypen gelesen werden, auf die der Benutzer tatsächlich zugreift.

Bemerkenswerte Änderungen finden Sie unter CHANGELOG.md.

Installieren

Es kann mit pip installiert werden:

pip install pandas-plink

Alternativ kann es über Conda installiert werden:

conda install -c conda-forge pandas-plink

Verwendung

Es ist so einfach wie

 >> > from pandas_plink import read_plink1_bin
>> > G = read_plink1_bin ( "chr11.bed" , "chr11.bim" , "chr11.fam" , verbose = False )
>> > print ( G )
< xarray . DataArray 'genotype' ( sample : 14 , variant : 779 ) >
dask . array < shape = ( 14 , 779 ), dtype = float64 , chunksize = ( 14 , 779 ) >
Coordinates :
  * sample   ( sample ) object 'B001' 'B002' 'B003' ... 'B012' 'B013' 'B014'
  * variant  ( variant ) object '11_316849996' '11_316874359' ... '11_345698259'
    father   ( sample ) < U1 '0' '0' '0' '0' '0' '0' ... '0' '0' '0' '0' '0' '0'
    fid      ( sample ) < U4 'B001' 'B002' 'B003' 'B004' ... 'B012' 'B013' 'B014'
    gender   ( sample ) < U1 '0' '0' '0' '0' '0' '0' ... '0' '0' '0' '0' '0' '0'
    i        ( sample ) int64 0 1 2 3 4 5 6 7 8 9 10 11 12 13
    iid      ( sample ) < U4 'B001' 'B002' 'B003' 'B004' ... 'B012' 'B013' 'B014'
    mother   ( sample ) < U1 '0' '0' '0' '0' '0' '0' ... '0' '0' '0' '0' '0' '0'
    trait    ( sample ) < U2 '-9' '-9' '-9' '-9' '-9' ... '-9' '-9' '-9' '-9' '-9'
    a0       ( variant ) < U1 'C' 'G' 'G' 'C' 'C' 'T' ... 'T' 'A' 'C' 'A' 'A' 'T'
    a1       ( variant ) < U1 'T' 'C' 'C' 'T' 'T' 'A' ... 'C' 'G' 'T' 'G' 'C' 'C'
    chrom    ( variant ) < U2 '11' '11' '11' '11' '11' ... '11' '11' '11' '11' '11'
    cm       ( variant ) float64 0.0 0.0 0.0 0.0 0.0 0.0 ... 0.0 0.0 0.0 0.0 0.0
    pos      ( variant ) int64 157439 181802 248969 ... 28937375 28961091 29005702
    snp      ( variant ) < U9 '316849996' '316874359' ... '345653648' '345698259'
>> > print ( G . sel ( sample = "B003" , variant = "11_316874359" ). values )
0.0
>> > print ( G . a0 . sel ( variant = "11_316874359" ). values )
G
>> > print ( G . sel ( sample = "B003" , variant = "11_316941526" ). values )
2.0
>> > print ( G . a1 . sel ( variant = "11_316941526" ). values )
C

Teile des Genotyps werden gelesen, wenn der Benutzer darauf zugreift.

Auch Kovarianzmatrizen können sehr einfach gelesen werden. Beispiel:

 >> > from pandas_plink import read_rel
>> > K = read_rel ( "plink2.rel.bin" )
>> > print ( K )
< xarray . DataArray ( sample_0 : 10 , sample_1 : 10 ) >
array ([[ 0.885782 ,  0.233846 , - 0.186339 , - 0.009789 , - 0.138897 ,  0.287779 ,
         0.269977 , - 0.231279 , - 0.095472 , - 0.213979 ],
       [ 0.233846 ,  1.077493 , - 0.452858 ,  0.192877 , - 0.186027 ,  0.171027 ,
         0.406056 , - 0.013149 , - 0.131477 , - 0.134314 ],
       [ - 0.186339 , - 0.452858 ,  1.183312 , - 0.040948 , - 0.146034 , - 0.204510 ,
        - 0.314808 , - 0.042503 ,  0.296828 , - 0.011661 ],
       [ - 0.009789 ,  0.192877 , - 0.040948 ,  0.895360 , - 0.068605 ,  0.012023 ,
         0.057827 , - 0.192152 , - 0.089094 ,  0.174269 ],
       [ - 0.138897 , - 0.186027 , - 0.146034 , - 0.068605 ,  1.183237 ,  0.085104 ,
        - 0.032974 ,  0.103608 ,  0.215769 ,  0.166648 ],
       [ 0.287779 ,  0.171027 , - 0.204510 ,  0.012023 ,  0.085104 ,  0.956921 ,
         0.065427 , - 0.043752 , - 0.091492 , - 0.227673 ],
       [ 0.269977 ,  0.406056 , - 0.314808 ,  0.057827 , - 0.032974 ,  0.065427 ,
         0.714746 , - 0.101254 , - 0.088171 , - 0.063964 ],
       [ - 0.231279 , - 0.013149 , - 0.042503 , - 0.192152 ,  0.103608 , - 0.043752 ,
        - 0.101254 ,  1.423033 , - 0.298255 , - 0.074334 ],
       [ - 0.095472 , - 0.131477 ,  0.296828 , - 0.089094 ,  0.215769 , - 0.091492 ,
        - 0.088171 , - 0.298255 ,  0.910274 , - 0.024663 ],
       [ - 0.213979 , - 0.134314 , - 0.011661 ,  0.174269 ,  0.166648 , - 0.227673 ,
        - 0.063964 , - 0.074334 , - 0.024663 ,  0.914586 ]])
Coordinates :
  * sample_0  ( sample_0 ) object 'HG00419' 'HG00650' ... 'NA20508' 'NA20753'
  * sample_1  ( sample_1 ) object 'HG00419' 'HG00650' ... 'NA20508' 'NA20753'
    fid       ( sample_1 ) object 'HG00419' 'HG00650' ... 'NA20508' 'NA20753'
    iid       ( sample_1 ) object 'HG00419' 'HG00650' ... 'NA20508' 'NA20753'
>> > print ( K . values )
[[ 0.89  0.23 - 0.19 - 0.01 - 0.14  0.29  0.27 - 0.23 - 0.10 - 0.21 ]
 [ 0.23  1.08 - 0.45  0.19 - 0.19  0.17  0.41 - 0.01 - 0.13 - 0.13 ]
 [ - 0.19 - 0.45  1.18 - 0.04 - 0.15 - 0.20 - 0.31 - 0.04  0.30 - 0.01 ]
 [ - 0.01  0.19 - 0.04  0.90 - 0.07  0.01  0.06 - 0.19 - 0.09  0.17 ]
 [ - 0.14 - 0.19 - 0.15 - 0.07  1.18  0.09 - 0.03  0.10  0.22  0.17 ]
 [ 0.29  0.17 - 0.20  0.01  0.09  0.96  0.07 - 0.04 - 0.09 - 0.23 ]
 [ 0.27  0.41 - 0.31  0.06 - 0.03  0.07  0.71 - 0.10 - 0.09 - 0.06 ]
 [ - 0.23 - 0.01 - 0.04 - 0.19  0.10 - 0.04 - 0.10  1.42 - 0.30 - 0.07 ]
 [ - 0.10 - 0.13  0.30 - 0.09  0.22 - 0.09 - 0.09 - 0.30  0.91 - 0.02 ]
 [ - 0.21 - 0.13 - 0.01  0.17  0.17 - 0.23 - 0.06 - 0.07 - 0.02  0.91 ]]