concatenation

# 合并 AnnData 对象 沿观测值或变量轴合并多个 AnnData 对象。 ## 基本合并 ### 沿观测值合并（堆叠细胞/样本） python import anndata as ad import numpy as np # 创建多个 AnnData 对象 adata1 = ad.AnnData(X=np.random.rand(100, 50)) adata2 = ad.AnnData(X=np.random.rand(150, 50)) adata3 = ad.AnnData(X=np.random.rand(200, 50)) # 沿观测值合并 (axis=0, 默认) adata_combined = ad.concat([adata1, adata2, adata3], axis=0) print(adata_combined.shape) # (450, 50) ### 沿变量合并（堆叠基因/特征） python # 创建具有相同观测值但不同变量的对象 adata1 = ad.AnnData(X=np.random.rand(100, 50)) adata2 = ad.AnnData(X=np.random.rand(100, 30)) adata3 = ad.AnnData(X=np.random.rand(100, 70)) # 沿变量合并 (axis=1) adata_combined = ad.concat([adata1, adata2, adata3], axis=1) print(adata_combined.shape) # (100, 150) ## 连接类型 ### 内连接 (交集) 仅保留所有对象中都存在的变量/观测值。 python import pandas as pd # 创建具有不同变量的对象 adata1 = ad.AnnData( X=np.random.rand(100, 50), var=pd.DataFrame(index=[f'Gene_{i}' for i in range(50)]) ) adata2 = ad.AnnData( X=np.random.rand(150, 60), var=pd.DataFrame(index=[f'Gene_{i}' for i in range(10, 70)]) ) # 内连接：仅保留基因 10-49 (重叠部分) adata_inner = ad.concat([adata1, adata2], join='inner') print(adata_inner.n_vars) # 40 个基因 (重叠) ### 外连接 (并集) 保留所有变量/观测值，并填充缺失值。 python # 外连接：保留所有基因 adata_outer = ad.concat([adata1, adata2], join='outer') print(adata_outer.n_vars) # 70 个基因 (并集) # 缺失值将使用适当的默认值填充： # - 稀疏矩阵填充为 0 # - 稠密矩阵填充为 NaN ### 外连接的填充值 python # 为缺失数据指定填充值 adata_filled = ad.concat([adata1, adata2], join='outer', fill_value=0) ## 追踪数据来源 ### 添加批次标签 python # 标记每个观测值来自哪个对象 adata_combined = ad.concat( [adata1, adata2, adata3], label='batch', # 标签的列名 keys=['batch1', 'batch2', 'batch3'] # 每个对象的标签 ) print(adata_combined.obs['batch'].value_counts()) # batch1 100 # batch2 150 # batch3 200 ### 自动批次标签 python # 如果未提供 keys