XH生信和机器学习空间

用默认的 plt.savefig（）保存的图片，图利和label都是以瞄点保存的，而不是以文字格式。这样在矢量图编辑中想要调整文字大小和字体时都不方便。使用mpl可以设置pdf图片文字以字体形式保存：# matplot 输出的图片为illustrator可编辑的字体import matplotlib as mplmpl.rcParams['pdf.fonttype'] = 42mpl.rcParams['ps.fonttype'] = 42#保存pdfplt.savefig("multi-ti

最近处理一批数据，把excel导入pandas中后，发现默认导入为object，需要转化成日期后计算时间用药时间和发病时间的间隔。使用time，将其转化为时间格式:# date是字符串格式，换算成time64[d]格式import timecopies.date = copies.date.values.astype('datetime64[D]')计算连个时间点的间隔，直接用“➖”即可：# 计算采样时为用药和发病的第几天，注意用values.astype("datetime64[D]")转

最近画图时采用默认的渐变色感觉很丑，就想着自己做一个，用scatterplot 做图，默认渐变图例为圆点# 导入模块import seaborn as snsimport matplotlib.pyplot as plttips = sns.load_dataset("tips") # 导入数据ax = sns.scatterplot(x="total_bill", y="tip", hue="size", palette='RdBu_r', data=tips) # 采用seaborn 中的

最近写文章要用到子图，目标是一个大图中包含4个子图。画图可以用matplotlib，也可以用集成式的软件包seaborn。画子图最简单的方法就是用plt.subplot()函数。plt.subplt(行，列，第几个图)函数定义要画那张子图，其中行和列定义要画几张图，如plt.subplot(2,3,1)就是定义大图含有2行3列子图，就是6张图，第三位的1表示开始画第一张图，因此后面的图一次就是plt.subplot(2,3,2)，plt.subplot(2,3,3)，plt.subplot(2,3,4)，

首先把时间格式的naT转换成0 days查询数据类型查询数据框data_onset中onset_days 列第13～16行 数据:>>> data_onset.onset_days[13:16]13 13 days14 NaT15 NaTName: onset_days, dtype: timedelta64[ns]Name: onset_days, dtype: timedelta64[ns]格式为timedelta64[ns]首先将缺失

今天碰到一个计算两个时间间隔的问题，发现excel导入的时间格式均为datetime64[ns]，毫秒格式。由于只需要天数，想转化为datetime64[D] 格式。>>>data_total.DURG_DATE查看时间是datetime64[ns]直接修改格式>>> data_total.DURG_DATE.astype("datetime64[D]")直接转换依然不行 原来，pandas series 默认把时间转换为datetime64[ns]格

本人不小心安装了3.9，使用numpy出现了“RankWarning: Polyfit may be poorly conditioned”，需要彻底删除python 3.9 的各种包，链接和文件。1. 删除3.9 的框架@macbook ~ $ which python # 默认python版本，mac自带/usr/bin/python@macbook ~ $ which python3 #查询pyton3 位置/Library/Frameworks/Python.framework/Versi

seaborn 是python中一个封装的包，可以很方便的做出多种图，而不需要想matplotlib中设置各种参数。我的数据结构如下：>>> data_1st.head()其中sample_time 是分类变量，采样的天数。尝试用sns.relplot 做出点图，不同的sample_type 用不同形状的点，不同sample_time的样本用不同颜色>>> data_str=data_1st.copy()>>> sns.relplot(x=

在用pandas读取excel文件时，有时候遇到一个excel文件包含了好几个样本的sheet，而这些sheet需要单独保存。sheet少的话可以打开excel新建一个新的excel文件然后复制sheet过去单独保存，但如果有几十个就比较麻烦。可以用pandas来3行代码搞定。import pandas as pd# 读取excel 文件中所有sheettest_2=pd.read_excel("folder/yourfile.xlsx",sheet_name=None)这种读取是以字典的形式读取

在做项目和发表论文时，最后一步是把代码上传到github供社区参考。使用git工具可以方便的把整个文件夹的代码上传到自己github代码仓库中。你首先需要安装git，默认安装即可，上传代码可分为3步：1. 初始化自己文件夹为代码仓库进入自己要上传的文件夹，用点击右键，“git bash here”，打开git 命令行终端。或者再git终端中使用cd github_code进入文件夹。# ...

ROC曲线是评估模型效果的重要工具，其X轴为假阳性率，Y轴为真阳性率（也叫召回率recall），其意义在于，在真阳性率时，模型同时判错阳性的样本比例，因此曲线越陡，越表示模型效果好。ROC曲线下AUC面积越大表示模型效果越好，我们可以利用sklearn 中的roc_curve函数方便的画ROC曲线。#导入要用到的库# load the packageimport numpy as npim...

在使用list或者numpy array时，经常需要对里面的每一个元素进行操作。当然使用for循环是最简单的，但for循环速度非常慢。而numpy array内置科学计算模块，速度大大高于for循环。如我有个list 需要对里面的元素切片...

在用numpy.savetxt() 保存一个字符串array时出现了TypeError: must be real number, not str的报错。在百度搜索了一下，全是乱七八糟的解释，没看到靠谱的。以前在国外用google，任何报错基本很快找到解决办法，百度真是无语了。没办法，用bing搜索了下，在 stack overflow中找到了解决办法：import numpy as np#...

传统的交叉验证在做机器学习时，交叉验证时验证模型稳定性的重要手段。大部分交叉验证仅分为训练集和测试集，每次循环一次，直至覆盖所有数据。这个可以采用sklern中cross_validiation_score 直接运行，如：该方法的缺点之一是只能拆分成训练集和测试集，当需要验证集来调参数时，无验证集可用。先划分测试集，但不循环实现训练集，测试集，和验证集的一个方法时在训练数据前分割数据，取...

BioPython 是一个用来处理序列和生物信息的python包，里面包含了很多的工具，可以用来直接读取fasta格式。安装可以通过两种方式，pip方式：1. pip 方式pip3 install biopython打开python终端，>>> import Bio>>> from Bio import SeqIO报错：------------...

在jupyter notebook中国使用matplotlib.pyplt 画图后，在最后使用plt.text()添加文本后使用plt.savefig()保存图片，发现x轴的文本无法出现。代码：fig,axes = plt.subplots(4,2,figsize=(15,20),subplot_kw = {"xticks":[],"yticks":[]})......# 画图的代码p...