预处理数据集
提供的数据集是字符串形式,且不符合聚类的要求,需要进行转置,因此对数据进行预处理。
1、读入103个基因组的名称
原数据格式如下:
处理代码:
with open(r'C:\\Users\\langgoubao\\Desktop\\genName.csv', 'r') as f0:
reader0 = csv.reader(f0)
for row in reader0:
for i in row:
geneName.append(i)
2、读取家族次数到嵌套列表中
这里基因家族次数是隐藏在字符串中,且以‘|’进行分隔,需要进行处理,形式如下:
“3|1|2|2|6|8|5|5|0|2|0|2|8|3|1|4|2|3|2|0|19|0|1|2|14|10|1|0|4|0|0|2|0|0|0|1|1|6|0|1|1|2|0|2|0|2|0|0|1|0|0|1|0|2|6|4|1”
这里直接调用文本的split()方法,将‘|’设置为分隔符就可以,再将分隔好的每一行添加到列表中即可。
with open(r'C:\\Users\\langgoubao\\Desktop\\data1.csv', 'r') as f:
reader = csv.reader(f)
for row in reader:\n
for i in row:\n
x = i.split(\"