<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[liuninghua521的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/liuninghua521</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; liuninghua521]]></copyright><item><title><![CDATA[自动批量导出web of science检索结果]]></title><link>https://blog.youkuaiyun.com/liuninghua521/article/details/135040073</link><guid>https://blog.youkuaiyun.com/liuninghua521/article/details/135040073</guid><author>liuninghua521</author><pubDate>Sun, 17 Dec 2023 00:09:46 +0800</pubDate><description><![CDATA[这是一个可以模拟点击鼠标操作来进行自动批量导出检索结果的python脚本]]></description><category></category></item><item><title><![CDATA[Trinity结合RSEM进算表达量报错]]></title><link>https://blog.youkuaiyun.com/liuninghua521/article/details/122328239</link><guid>https://blog.youkuaiyun.com/liuninghua521/article/details/122328239</guid><author>liuninghua521</author><pubDate>Wed, 05 Jan 2022 17:32:43 +0800</pubDate><description><![CDATA[利用conda安装了trinity环境，然后编译安装了RSEM并加入PATH中，运行后出现报错
Can't locate rsem_perl_utils.pm in @INC (you may need to install the rsem_perl_utils module)(@INC contains: /home/user/.conda/envs/Trinity/bin *****
根据提示，rsem_perl_utils.pm 这个模块没有被发现，解决办法
将rsem_perl_utils.pm复]]></description><category></category></item><item><title><![CDATA[Trinity 报错samtools版本检测不对]]></title><link>https://blog.youkuaiyun.com/liuninghua521/article/details/122201894</link><guid>https://blog.youkuaiyun.com/liuninghua521/article/details/122201894</guid><author>liuninghua521</author><pubDate>Tue, 28 Dec 2021 20:39:16 +0800</pubDate><description><![CDATA[conda安装的Trinity运行时提示报错
Error, need samtools installed that is at least as new as version 1.3 at /home/****/.conda/envs/Trinity/bin/Trinity line 3813.
按照网上的教程将samtools降级为1.3版本后仍然有报错，那就直接vim打开/home/***/.conda/envs/Trinity/bin/Trinity，定位到3813行，给他直接注释掉这个判断句，保存]]></description><category></category></item><item><title><![CDATA[conda安装失败提示Segmentation fault (core dumped)]]></title><link>https://blog.youkuaiyun.com/liuninghua521/article/details/119649114</link><guid>https://blog.youkuaiyun.com/liuninghua521/article/details/119649114</guid><author>liuninghua521</author><pubDate>Thu, 12 Aug 2021 19:45:31 +0800</pubDate><description><![CDATA[出现这个情况是因为之前安装的时候，有的软件没有下载完全，因此需要先清理掉未下载好的软件再重新安装。
使用：
conda clean -a

命令，可以清楚所有的安装包和缓存等，但也会清理掉已经下载好但未使用的；
但如果我们知道是哪个包没有下载好，那我们只需要到conda安装目录下的/pkg中将没下载好的包删除掉，然后再执行一次安装命令即可。
conda换源：
# 添加常用下载频道
conda config --add channels defaults
conda config --add channels]]></description><category></category></item><item><title><![CDATA[基于Astral利用单拷贝同源基因构建物种树]]></title><link>https://blog.youkuaiyun.com/liuninghua521/article/details/112999243</link><guid>https://blog.youkuaiyun.com/liuninghua521/article/details/112999243</guid><author>liuninghua521</author><pubDate>Fri, 22 Jan 2021 20:04:14 +0800</pubDate><description><![CDATA[全网最简单：基于基因组构建物种树，一条命令，两种结果都有了！]]></description><category></category></item><item><title><![CDATA[物种组成相对丰度（百分比）堆叠柱状图]]></title><link>https://blog.youkuaiyun.com/liuninghua521/article/details/111187913</link><guid>https://blog.youkuaiyun.com/liuninghua521/article/details/111187913</guid><author>liuninghua521</author><pubDate>Mon, 14 Dec 2020 23:57:30 +0800</pubDate><description><![CDATA[百分比堆积物种组成图]]></description><category></category></item><item><title><![CDATA[从eggNOG进行GO注释到使用clusterProfiler富集分析]]></title><link>https://blog.youkuaiyun.com/liuninghua521/article/details/111030304</link><guid>https://blog.youkuaiyun.com/liuninghua521/article/details/111030304</guid><author>liuninghua521</author><pubDate>Fri, 11 Dec 2020 17:33:36 +0800</pubDate><description><![CDATA[从GO注释到数据处理再到富集分析可视化，最详细最简单~~~]]></description><category></category></item><item><title><![CDATA[构建单拷贝同源蛋白系统发育树，一条命令提序列!]]></title><link>https://blog.youkuaiyun.com/liuninghua521/article/details/108501036</link><guid>https://blog.youkuaiyun.com/liuninghua521/article/details/108501036</guid><author>liuninghua521</author><pubDate>Thu, 10 Sep 2020 11:37:05 +0800</pubDate><description><![CDATA[一条命令提取单拷贝同源蛋白序列！]]></description><category></category></item><item><title><![CDATA[几个linux使用技巧（一）]]></title><link>https://blog.youkuaiyun.com/liuninghua521/article/details/108421778</link><guid>https://blog.youkuaiyun.com/liuninghua521/article/details/108421778</guid><author>liuninghua521</author><pubDate>Sat, 05 Sep 2020 17:00:51 +0800</pubDate><description><![CDATA[1 批量解压tar文件命令：

for tar in *.tar.gz;  do tar -zxvf $tar -C /outfiles ; done

2 复制时忽略覆盖提示
\cp -rf file1 file2


3 删除某类文件之外的文件

rm -rf !(*.gz)


4 后台挂起运行程序

nohup 命令 &gt; file.log 2&gt;&amp;1 &amp;


...]]></description><category></category></item><item><title><![CDATA[HMMER批量比对及结果处理]]></title><link>https://blog.youkuaiyun.com/liuninghua521/article/details/108263787</link><guid>https://blog.youkuaiyun.com/liuninghua521/article/details/108263787</guid><author>liuninghua521</author><pubDate>Fri, 04 Sep 2020 21:34:06 +0800</pubDate><description><![CDATA[拿来立马可用的hmmer分析脚本，走过路过不要错过~]]></description><category></category></item><item><title><![CDATA[利用python进行数据分析（十八）]]></title><link>https://blog.youkuaiyun.com/liuninghua521/article/details/107596734</link><guid>https://blog.youkuaiyun.com/liuninghua521/article/details/107596734</guid><author>liuninghua521</author><pubDate>Mon, 27 Jul 2020 23:44:03 +0800</pubDate><description><![CDATA[第五章

5.2.4整数索引
虽然我们可以使用整数索引对pandas对象执行索引，

]]></description><category></category></item><item><title><![CDATA[利用python进行数据分析（十七）]]></title><link>https://blog.youkuaiyun.com/liuninghua521/article/details/107586403</link><guid>https://blog.youkuaiyun.com/liuninghua521/article/details/107586403</guid><author>liuninghua521</author><pubDate>Sun, 26 Jul 2020 00:02:54 +0800</pubDate><description><![CDATA[第五章

5.2.3 索引选择与过滤
Series的索引与NumPy数组的索引功能类似，不过Series的索引值可以不仅仅是整数。
&gt;&gt;&gt;obj = pd.Series(np.arange(4.), index=['a', 'b', 'c', 'd'])
&gt;&gt;&gt;obj
a    0.0
b    1.0
c    2.0
d    3.0
dtype: float64

&gt;&gt;&gt;obj['a']
0.0
&gt;&gt;&gt;obj[0]
0.0
#索.]]></description><category></category></item><item><title><![CDATA[利用python进行数据分析（十六）]]></title><link>https://blog.youkuaiyun.com/liuninghua521/article/details/107571066</link><guid>https://blog.youkuaiyun.com/liuninghua521/article/details/107571066</guid><author>liuninghua521</author><pubDate>Sat, 25 Jul 2020 00:29:11 +0800</pubDate><description><![CDATA[第五章

5.1.3索引对象
pandas中的索引对象是用于存储轴标签和其它元数据的（例如轴名称和标签）。在构造Series或FataFrame时，使用的任意数组或标签序列，都可以在内部转换为索引对象。
&gt;&gt;&gt;obj = pd.Series(range(3), index=['a', 'b', 'c'])
&gt;&gt;&gt;index = obj.index
&gt;&gt;&gt;index
Index(['a', 'b', 'c'], dtype='object')
&gt;&.]]></description><category></category></item><item><title><![CDATA[linux文件格式处理命令cut，grep，sed，awk：批量修改多文件中序列名]]></title><link>https://blog.youkuaiyun.com/liuninghua521/article/details/107521381</link><guid>https://blog.youkuaiyun.com/liuninghua521/article/details/107521381</guid><author>liuninghua521</author><pubDate>Thu, 23 Jul 2020 01:26:42 +0800</pubDate><description><![CDATA[要处理一份10多个G序列数据的序列名，据说直接的linux命令是最快的，回头来复习一下这几个命令吧。

什么是选取命令？
就是将一段数据经过分析后，取出我们想要的或者经由分析关键词，取出我们想要的那一行。通常选取信息是针对一行一行来分析的，并不是整篇分析。
**
1 cut
**
cut命令可以将一段信息的某一段给它切出来，也就是将一行里面的数据进行分解，它是以行为单位处理数据的。
常用的有两种：
（1）对于有特定分隔字符的的文本，分隔后获取其第m‘区域’与n‘区域’的信息：
cut -d '分隔的字符'.]]></description><category></category></item><item><title><![CDATA[利用python进行数据分析（十五）]]></title><link>https://blog.youkuaiyun.com/liuninghua521/article/details/107497868</link><guid>https://blog.youkuaiyun.com/liuninghua521/article/details/107497868</guid><author>liuninghua521</author><pubDate>Tue, 21 Jul 2020 23:51:30 +0800</pubDate><description><![CDATA[第五章 pandas入门

锣鼓喧天，鞭炮齐鸣，终于第五章了。
pandas支持大部分NumPy语言风格的数组计算，尤其是数组函数以及没有for循环的各种数据处理。尽管pandas采用了很多NumPy的代码风格，但最大的不同在于pandas是用来处理表格型或异质型数据的，而NumPy更适合处理同质型的数值数组数据。
使用前先导入pandas模块：
&gt;&gt;&gt;import pandas as pd

5.1 pandas数据结构介绍
pandas含有两个最常用的数据结构：Series和Data.]]></description><category></category></item><item><title><![CDATA[利用python进行数据分析（十四）]]></title><link>https://blog.youkuaiyun.com/liuninghua521/article/details/107474723</link><guid>https://blog.youkuaiyun.com/liuninghua521/article/details/107474723</guid><author>liuninghua521</author><pubDate>Tue, 21 Jul 2020 00:45:40 +0800</pubDate><description><![CDATA[第四章

4.3 使用数组进行面向数组编程
使用NumPy数组可以使你利用简单的数组表达式完成多种数据操作任务，而无需写大量循环。这种利用数组表达式来替代显式循环的方法，称为向量化。向量化的数组操作会比纯python的等价实现在速度上快一到两个数量级。
4.3.1 将条件逻辑作为数组操作
numpy.where函数是三元表达式 x if condition else y的向量化版本，假设我们有一个布尔值数组和两个数值数组：
&gt;&gt;&gt;xarr = np.array([1.1, 1.2, 1..]]></description><category></category></item><item><title><![CDATA[利用python进行数据分析（十三）]]></title><link>https://blog.youkuaiyun.com/liuninghua521/article/details/107435639</link><guid>https://blog.youkuaiyun.com/liuninghua521/article/details/107435639</guid><author>liuninghua521</author><pubDate>Sun, 19 Jul 2020 00:09:40 +0800</pubDate><description><![CDATA[第四章

4.2 通用函数：快速的逐元素数组函数
通用函数也称为ufunc，是一种在ndarray数据中进行逐元素操作的函数。
常用的一元通用函数：




函数名
描述




ads, fabs
逐元素的计算整数、浮点数或者复数的绝对值


sqrt
计算每个元素的平方根（与 arr ** 0.5 相等）


square
计算每个元素的平方（与 arr ** 2 相等）


exp
计算每个元素的自然指数值 e x


log, log10, log2
分别对应：自然对数（e为底）、对数10为底、对.]]></description><category></category></item><item><title><![CDATA[利用python进行数据分析（十二）]]></title><link>https://blog.youkuaiyun.com/liuninghua521/article/details/107418914</link><guid>https://blog.youkuaiyun.com/liuninghua521/article/details/107418914</guid><author>liuninghua521</author><pubDate>Sat, 18 Jul 2020 01:08:25 +0800</pubDate><description><![CDATA[第四章

4.1.6 神奇索引
神奇索引是NumPy中的术语，用于描述使用整数数组进行数据索引。
假设有一个8X4的数组：

]]></description><category></category></item><item><title><![CDATA[利用python进行数据分析（十一）]]></title><link>https://blog.youkuaiyun.com/liuninghua521/article/details/107369253</link><guid>https://blog.youkuaiyun.com/liuninghua521/article/details/107369253</guid><author>liuninghua521</author><pubDate>Wed, 15 Jul 2020 23:26:05 +0800</pubDate><description><![CDATA[第四章

4.1.3NumPy数组运算
数组允许我们进行批量操作而无需任何for循环，称之为向量化。在任何两个等尺寸的数组之间的算术操作都应用了逐元素的方式，带有标量计算的算术操作会把计算参数传递给数组的每一个元素。
&gt;&gt;&gt;arr = np.array([[1., 2., 3.], [4., 5., 6]])
&gt;&gt;&gt;arr
array([[1., 2., 3.],
       [4., 5., 6.]])
&gt;&gt;&gt;arr * arr
array([[ .]]></description><category></category></item><item><title><![CDATA[利用python进行数据分析（十）]]></title><link>https://blog.youkuaiyun.com/liuninghua521/article/details/107326727</link><guid>https://blog.youkuaiyun.com/liuninghua521/article/details/107326727</guid><author>liuninghua521</author><pubDate>Tue, 14 Jul 2020 00:14:36 +0800</pubDate><description><![CDATA[第4章 NumPy基础：数组与向量化计算

NumPy，是Numerical Python的简称，它是目前python数值计算中最为重要的基础包，具有三个显著的优点：它的设计对于含有大量数组的数据非常有效，对于内存的使用少，它可以针对全量数组进行复杂计算而不需要写python循环。
4.1 NumPy ndarry：多维数组对象
NumPy的核心特征之一就是N-维数组对象--ndarry，ndarry是python中一个快速灵活的大型数据集容器，数组允许我们使用类似于标量的操作语法在整块数据上进行数学计算.]]></description><category></category></item></channel></rss>