无法迭代从表格数据加载的 pandas 数据框

Question

我可以使用 scanpy 将我的表格数据加载到 DataFrame 中，但我不知道如何迭代它以访问 selected rows/columns。

这是单细胞基因组学数据，其中每一行是一个基因，每一列是特定细胞的表达值。行和列都有标签。表格原始数据如下所示：

Gene_symbol Cancer--Cell_1  Cancer--Cell_10 Cancer--Cell_100
A2M.AS1 0.0 0.0 0.0
A2MP1   0.0 0.0 0.0
AADACL2 0.0 0.0 0.0
AAGAB   154.561226827488    0.0 0.0
AAR2    295.875190529996    299.455534712676    0.0
AATF    546.792205537953    323.38381204192996  0.0
AATK    0.0 0.0 0.0
AATK.AS1    0.0 0.0 0.0
ABAT    0.0 0.0 0.0

这很容易转换为 h5ad，如下所示：

import pandas as pd
import scanpy.api as sc

adata = sc.read('fig1.tab', ext='txt', first_column_names=True).transpose()
adata.write('fig1.h5')

我可以加载它，但无法再次访问它的所有部分。例如，我如何 select 两个基因行并获取所有列及其相应的值？如果我只想要某些列怎么办？

我的代码中的注释尝试输出如下：

adata = sc.read_h5ad('fig1.h5')

# this is for the cancer dataset
selected = adata[:, adata.var_names.isin({'AAR2', 'ECT2'})]

## this line spews information on the columns like:
#  Empty DataFrameView
#  Columns: []
# Index: [Cancer--Cell_1, Cancer--Cell_10, Cancer--Cell_100, Cancer--Cell_1000, Cancer--Cell_1001
print(selected.obs)

## this line gives the row information:
# Empty DataFrameView
# Columns: []
#Index: [AAR2, ECT2]
print(selected.var)

# Nothing happens here at all
#for i, row in selected.obs.iteritems():
#    print(i, row)

for gene_name, row in selected.var.T.iteritems():
    # this prints like: Series([], Name: AAR2, dtype: float64)
    print(row)

    # Nothing happens here
    for cell_name, val in row.iteritems():
        print("{0}\t{1}\t{2}".format(gene_name, cell_name, val))

如果有帮助，这里是 Dropbox link for the fig1.h5 file

Answer 1

您正在迭代每个基因的变量（基因）元数据，而不是数据矩阵。

您的基因没有任何与之关联的元数据，除了它们的名称，这些名称存储在 var 元数据 DataFrame 的索引中。您现在存储在 row 变量中的是各个基因的空元数据。

根据您的评论，我推断您想要迭代矩阵。你可以这样做：

cx = adata.X.tocoo()    
for cell, gene, value in zip(adata.obs_names[cx.row], adata.var_names[cx.col], cx.data):
    print(cell, gene, value)

这当然只适用于稀疏矩阵。

如果它很密集并且你真的想迭代包括零在内的每个值，我建议这样做：

for g, gene in enumerate(adata.var_names):
    for c, cell in enumerate(adata.obs_names):
        print(cell, gene, adata.X[c, g])

无法迭代从表格数据加载的 pandas 数据框

Unable to iterate over pandas dataframe loaded from tabular data

python

pandas

dataframe

scanpy