Python编写M-K突变检验

import numpy as npimport pandas as pdimport matplotlib.pyplot as pltplt.rcParams[‘font.sans-serif’] = [‘SimHei’] #用来正常显示中文标签plt.rcParams[‘axes.unicode_minus’] = False #用来正常显示负号input_data = pd.read_csv(r"D:\PycharmProjects\shuiziyuan\M-K检验\runoff.csv
摘要由CSDN通过智能技术生成

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams[‘font.sans-serif’] = [‘SimHei’] #用来正常显示中文标签
plt.rcParams[‘axes.unicode_minus’] = False #用来正常显示负号

input_data = pd.read_csv(r"D:\PycharmProjects\shuiziyuan\M-K检验\runoff.csv") # 输入文件的绝对路径,数据样式如下图
在这里插入图片描述

print(input_data.head())
print(len(input_data))

正序列计算

Sk_list = [0] # 定义累计量序列Sk,初始值=0
UFk_list = [0] # 定义统计量UFk,初始值 =0
Sk = 0 # 定义Sk序列元素s,初始值 =0
Exp_Sk_value_list = [0] # 均值
Var_Sk_value_list = [0] # 方差

i从1开始,因为根据统计量UFk公式,i=0时,Sk(0)、E(0)、Var(0)均为0

此时UFk无意义,因此公式中,令UFk(0)=0

for i in range(1, len(i

  • 0
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
m-k突变检测曲线是一种常用于检测突变位点的分子生物学方法。下面是一个可能的m-k突变检测曲线代码的示例: ```python import numpy as np import matplotlib.pyplot as plt # 计算m-k突变检测曲线的函数 def m_k_curve(mutation_list, wildtype_list): n = len(mutation_list) m_k_values = [] for i in range(1, n): m_i = np.sum(mutation_list[:i]) n_i = np.sum(wildtype_list[i:]) m_k = m_i / np.sqrt(n_i * (n - i) + 1) m_k_values.append(m_k) return m_k_values # 突变位点数据和野生型位点数据 mutation_list = [0, 1, 2, 1, 0, 2, 3] wildtype_list = [0, 1, 2, 2, 3, 4, 5] # 计算m-k突变检测曲线的数值 m_k_values = m_k_curve(mutation_list, wildtype_list) # 绘制m-k曲线图 plt.plot(range(1, len(m_k_values)+1), m_k_values, marker='o') plt.xlabel('突变位点位置') plt.ylabel('m-k值') plt.title('m-k突变检测曲线') plt.show() ``` 在这个代码中,我们定义了一个名为`m_k_curve`的函数来计算m-k突变检测曲线的数值。该函数根据给定的突变位点数据和野生型位点数据,使用循环计算每个位点的m-k值,并将其存储在一个列表中。最后,我们使用matplotlib库绘制出m-k曲线图,横坐标为突变位点位置,纵坐标为m-k值。 这段示例代码只是一个简单的实现,具体的m-k突变检测方法可能还包括其他步骤,如数据预处理、统计分析等。此外,具体的代码实现可能因具体的需求而有所差异,以上代码只是一个基本的示例。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Gabriel_程

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值