pandas plink Unduh - pandas plink Unduh kode sumber

pandas plink

Kode sumber lainnya

Unduh

panda-plink

Pandas-plink adalah paket Python untuk membaca format file biner PLINK dan matriks hubungan yang direalisasikan (PLINK atau GCTA). Pembacaan file dilakukan melalui pemuatan lambat, artinya menghemat memori dengan hanya membaca genotipe yang benar-benar diakses oleh pengguna.

Perubahan penting dapat ditemukan di CHANGELOG.md.

Memasang

Itu dapat diinstal menggunakan pip:

pip install pandas-plink

Atau dapat diinstal melalui conda:

conda install -c conda-forge pandas-plink

Penggunaan

Ini sesederhana

 >> > 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

Bagian dari genotipe akan dibaca saat pengguna mengaksesnya.

Matriks kovarians juga dapat dibaca dengan sangat mudah. Contoh:

 >> > 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 ]]