anndata

# AnnData ## 概述 AnnData 是一个用于处理带注释数据矩阵的 Python 包，它将实验测量值 (X) 与观测元数据 (obs)、变量元数据 (var) 以及多维注释 (obsm, varm, obsp, varp, uns) 存储在一起。最初通过 Scanpy 为单细胞基因组学设计，现在它已成为任何需要高效存储、操作和分析的带注释数据的通用框架。 ## 何时使用此技能 在以下情况使用此技能： - 创建、读取或写入 AnnData 对象 - 使用 h5ad、zarr 或其他基因组学数据格式 - 执行单细胞 RNA-seq 分析 - 使用稀疏矩阵或后端模式 (backed mode) 管理大数据集 - 连接多个数据集或实验批次 - 对带注释的数据进行子集化、过滤或转换 - 与 scanpy、scvi-tools 或其他 scverse 生态系统工具集成 ## 安装 bash uv pip install anndata # 带有可选依赖项 uv pip install anndata[dev,test,doc] ## 快速入门 ### 创建 AnnData 对象 python import anndata as ad import numpy as np import pandas as pd # 最小化创建 X = np.random.rand(100, 2000) # 100 个细胞 × 2000 个基因 adata = ad.AnnData(X) # 带有元数据 obs = pd.DataFrame({ 'cell_type': ['T cell', 'B cell'] * 50, 'sample': ['A', 'B'] * 50 }, index=[f'cell_{i}' for i in range(100)]) var = pd.DataFrame({ 'gene_name': [f'Gene_{i}' for i in range(2000)] }, index=[f'ENSG{i:05d}' for i in range(2000)]) adata = ad.AnnData(X=X, obs=obs, var=var) ### 读取数据 python # 读取 h5ad 文件 adata = ad.read_h5ad('data.h5ad') # 使用后端模式读取（用于大文件） adata = ad.read_h5ad('large_data.h5ad', backed='r') # 读取其他格式 adata = ad.read_csv('data.csv') adata = ad.read_loom('data.loom') adata = ad.read_10x_h5('filtered_feature_bc_matrix.h5') ### 写入数据 python # 写入 h5ad 文件 adata.write_h5ad('output.h5ad') # 写入并压缩 adata.write_h5ad('output.h5ad', compression='gzip') # 写入其他格式 adata.write_zarr('output.zarr') adata.write_csvs('output_dir/') ### 基本操作 python # 按条件子集化 t_cells = adata[adata.obs['cell_type'] == 'T cell'] # 按索引子集化 subset = adata[0:50, 0:100] # 添加元数据 adata.obs['quality_score'] = np.random.rand(adata.n_obs) adata.var['highly_variable'] = np.random.rand(adata.n_vars) > 0.8 # 访问维度 print(f"{adata.n_obs} 个观测值 × {adata.n_vars} 个变量")