liangbilin的博客

原文章链接：R语言可视化学习笔记之ggrepel包 https://www.jianshu.com/p/84e7e0e029cd

在概率论和统计学中，二项分布（英语：Binomial distribution）是n个独立的是/非试验中成功的次数的离散概率分布，其中每次试验的成功概率为p。这样的单次成功/失败试验又称为伯努利试验。实际上，当n = 1时，二项分布就是伯努利分布 引自Wiki。R具有四个内置函数来生成二项分布：dbinom(x, size, prob)pbinom(x, size, prob)qbinom(p, size, prob)rbinom(n, size, prob)其中，dbinom 的模拟抛硬币

R base有一个字符串拆分函数strsplit()，使用体验很糟糕。正好遇到一个更好的函数，即limma包内置的strsplit2()函数。

通过 Rmisc包 的 multiplot 函数实现ggplot2多张图片的排版。参考文章链接：R作图 ggplot2图片的布局排版 https://www.bioinfo-scrounger.com/archives/509/

使用concat函数合并数据集通过列表的形式，将需要合并的数据集作为第一个参数传入。数据集合并默认是按照第0个数轴合并，此时根据column索引值将对应的数据合并。没有的值则用NaN代替。可以通过参数axis参数指定按照哪个数轴进行合并。import numpy as npimport pandas as pdarr = np.random.randint(10,size=(3,4))df1 = pd.DataFrame(arr, columns=["A", "B", "C", "D"])d

问题描述1存在多个不连续的数值区间，如 [1,10] 、[20,50] 、[100,200] … ，此时该如何高效判断一个数值在这些区间内？问题描述2生物学数据分析中，有时需要判断 SNPs 是否在 ChIPseq 或 ATACseq 的 peak 区域内，并删除掉不在这些区域内的 SNPs。在这些需求中， peak 区间的数量可能达到数万之多，如何仅用一次循环就能达到目的？安装 py-part 包pip install py-partpy-part 使用方法from part import

假设有一个 名为 config.ini 文件，内容如下：[info]location = Shanghaisample = ALL [date]day = 2020-09-01 [path]data1 = /cluster/data1date2 = /cluster/data2其中，[info] 、[date] 和 [path] 用方括号括起来，表示节名。location、sample、day、date1、date2 分别表示各自节下的参数。读入的参数内容

multiprocessing 是一个支持使用与 threading 模块类似的 API 来产生进程的包。 multiprocessing 包同时提供了本地和远程并发操作，通过使用子进程而非线程有效地绕过了全局解释器锁。 因此，multiprocessing 模块允许程序员充分利用给定机器上的多个处理器。 它在 Unix 和 Windows 上均可运行。multiprocessing 模块还引入了在 threading 模块中没有的API。一个主要的例子就是 Pool 对象，它提供了一种快捷的方法，赋予函

Pandas 数据的选择相比于Numpy的矩阵，Pandas的数据对象多了自定义的索引。因此，在对Pandas数据选择时，更推荐使用loc和iloc两种方法。import numpy as npimport pandas as pd首先，读取一个用于测试的数据。test = pd.read_excel("../table.xlsx", sheet_name="Sheet2", index_col=0)test sample1 sam

假设现在有一个数据 table，内容如下图：print(table)1. 根据某一列值得范围，对另一列进行赋值。需求1：将人口超过 1000 的城市评级为 ‘一级’，人口不足 1000 的评级为 ’二级‘。table.loc[(table.人口 >= 1000) ,'评级'] = '一级'table.loc[(table.人口 < 1000) ,'评级'] = '二级'2. 根据某几列值得范围，对另一列进行赋值需求2：将人口超过 1000、收入超过8000、科技为A或

如果想根据给定的行号，读取文件的某一行或多行，则可以通过Python的自带模块linecache实现。例如，有一个名为test.txt的文件，内容为：这是第1行这是第2行这是第3行这是第4行这是第5行这是第6行这是第7行这是第8行提取第5行：import linecachelinecache("test.txt", 5)输出结果为：这是第5行如果想要提取5、6、7、8行，可以使用循环遍历。for i in [5,6,7,8]: print(linecach

Pandas读取excel、table、CSV格式的数据此外，Pandas还可以读取hdf、json、html、spass、sql等格式的数据文件。import numpy as npimport pandas as pd通过pd.read_excel()函数 读取excel格式文件第一个参数为文件路径和名称sheet_name：需要读取的工作表名称header：指定用哪一行作为列名index_col：指定用哪一列作为行名nrows：需要读取的行数test = pd.read_ex

问题描述假设我们有 “表1” 这样一个数据，需要删除A列的重复行，同时保留重复行中B列最大值所在的行，即需要得到 “表2” 的结果。table = pd.DataFrame({"A":["甲", "乙", "甲", "甲"], "B":[2,2,3,4]})table表1：表2：解决方案对 B 列进行降序排序；删除 A 列的重复的行，但保留第一次出现的行。重置索引table.sort_values("B", ascending=False).dr

Pandas的DataFrame对象的基本属性import numpy as npimport pandas as pdtest = pd.read_csv("../table.csv", header=0, index_col=0)test A B C D gene1 1 2 3 4 ge

假设我们有a和b两个列表如下：a = ['a', 'b', 'c']b = ['a', 'f']获取a和b的并集首先将a和b列表转换为元组；再利用元组的union方法 获取a和b列表的并集；最后利用 list 方法将结果转换为列表类型。list(set(a).union(set(b)))输出结果如下：[‘b’, ‘c’, ‘f’, ‘a’]获取a和b的交集首先将a列表转换为元组；再利用元组的 intersection 方法 获取a和b的交集；最后利用 list 方法将结果转换为列

GPT-3，BERT，XLNet这些都是当前自然语言处理（NLP）的新技术，它们都使用一种称为 transformer 的特殊架构组件，这是因为，transformer 这种新机制非常强大，完整的transformer 通常包含三个结构：scaled dot-product attentionself-attentioncross-attentionmulti-head attentionpositional encoding

EOF：即“end of file”的简写Linux实践中，往往需要将shell脚本中的多行内容，输出到一个文本文件中。例如输出一段内容，作为一个新的脚本。举例如下：cat > test.sh <<EOFthis is a testthis is another testthis is final testEOF语法说明在上面的例子中，为了便于理解，代码需要从后向前看：（1）在代码中出现了两次EOF，它是一种标记，目的是告诉Linux：它们中间的所有内容是需要输出到

awk默认的分隔符为空格和tab。然而，实践中往往需要指定其它符号作为分隔符。输入分隔符输出分隔符参考资料awk从放弃到入门（2）：awk分隔符

通过while read line语句，逐行读取文本文件，并赋值给变量line。例如，有一个名为test.txt，内容如下的文件：#查看 test.txt 文件内容cat test.txtSJALL018369_D1 adfad dfadfadfaSJALL018369_R1 1234 dfadfafdSJALL018371_D1 dfjajfdklajf 09090hiojdoSJALL018373_D1 nnnnndaddasf 1243356476543

问题描述假设我们本地有一个100行的 CSV 格式表格文件，需要将它直接导入到数据库中。表格的头几行如下所示：Windows 系统实现方法首先在 MySQL 的安装路径下运行下面的代码（如果已经将 MySQL 添加到PATH，应该就不用到安装路径了。）.\mysql.exe --local-infile -u root -p查看 local_infile 变量名称。show variables like 'local_infile';±--------------±------