TY_IT💻

df.unique() 위의 데이터프레임은 cell_line에 대한 내 예시 데이터이다. 이제 이 cell_lien 데이터에서 유니크한 값을 찾아볼 것이다. 1. 데이터프레임에서 중복을 제거하지 않고 값 확인 cell_line = f['epigenomes_with_experimental_evidence'].values # values = df[컬럼명].values 위의 코드를 실행하면 array형태로 모든 값이 출력된다. 2. 데이터프레임에서 각 요소별로 몇개의 데이터가 있는지 확인 f['epigenomes_with_experimental_evidence'].value_counts() # df[컬럼명].value_counts() 3. 데이터프레임에서 중복을 제거하고 유니크한 값 확인 f['epigenome..

How to check NaN in Pandas Dataframe null 값 확인 df.isnull() isnull(df) null 아닌 값 확인 df.notnull() notnull(df) 1. 예시 dataframe 생성 import pandas as pd import numpy as np dates = pd.date_range("20130101", periods=6) df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list("ABCD")) 2. null 값 추가하기 'NaN' 혹은 None을 통해 null값을 임의로 추가할 수 있다. df['A'][1] = 'NaN' df['B'][2] = None df['C'][2] = 'NaN' d..

Biopython 설치 후 reverse complement 서열 구하기 Biopython 설치 pip install biopython 설치 확인 및 reverse_complement 코드 실행 import Bio # 설치확인 from Bio.Seq import Seq my_seq = Seq('TGGTGAAACCCCA').reverse_complement() print(my_seq) print(type(my_seq)) 결과 sequence의 타입 확인 결과 참고: biopython.org/wiki/Getting_Started · Biopython OB— title: Getting Started permalink: wiki/Getting_Started layout: wiki — Download and In..

GPU를 이용해 모델을 학습시키면 학습 속도가 매우매우매우 빠르다. 그래서 딥러닝은 모델 GPU가 없으면 학습시키기 어려움. 근데 처음 딥러닝 모델 돌릴 때 나를 정말 애먹이던..^^ tensorflow-gpu 설치 그 땐 결국 포기하고 리눅스 서버 접속해서 깔았었다. 하지만 다시해보니 잘 돼서 방법 공유 차 올리는 글 +++++++ 컴파일러 환경을 위한 Visual Studio 설치해야함 Visual Studio 2019 버전이나 2017 버전 다운받기! docs.microsoft.com/ko-kr/visualstudio/releases/2019/release-notes Visual Studio 2019 버전 16.8 릴리스 정보 Visual Studio 2019 버전 16.8의 최신 기능, 버그 수정..

예시 데이터 프레임 import pandas as pd left = pd.DataFrame({ 'id':[1,2,3,4,5], 'Name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'], 'subject_id':['sub1','sub2','sub4','sub6','sub5']}) right = pd.DataFrame( {'id':[1,2,3,4,5], 'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'], 'subject_id':['sub2','sub4','sub3','sub6','sub5']}) 1. 두 개의 데이터프레임을 Key 기준으로 합치기 pd.merge(left,right,on='id') 2. 두 개의 데이터프레임을 m..

최근 대규모 데이터로 병렬처리가 많이 중요해졌다. 그리고 파이썬에는 병렬처리를 제공하는 패키지인 multiprocessing이 있다. 이번 포스팅은 multiprocessing 패키지를 이용해 cpu 코어 수만큼 병렬 처리하는 과정을 보여줄 예정이다. 1. CPU에 있는 코어의 수를 multiprocessing.cpu_count()를 이용해 확인 import multiprocessing as mp num_cores = mp.cpu_count() # cpu 코어 수 반환 2. Dataframe multiprocessing 데이터프레임 병렬 처리, 한 줄씩 처리 def parallel_dataframe(df, func, num_cores): df_split = np.array_split(df, num_cor..

전에 올렸던 TFBS(Transcription Factor Binding Site) data에 start, end를 이용해 (시작, 종결 코돈) 염기서열을 추가해 보았다. 앙상블에서 제공하는 api 이용 rest.ensembl.org/documentation/info/sequence_region Ensembl Rest API - GET sequence/region/:species/:region Returns the genomic sequence of the specified region of the given species. Supports feature masking and expand options. rest.ensembl.org import requests, sys import pandas as p..

(실제 코드 결과로 작성, transcription factor binding site 데이터 이용) Dataframe에 새로운 column 작성하기 Dataframe의 column split 후 다른 column으로 저장하기 # df[열이름].str.split() 이용 Dataframe의 열 data를 split 후 다시 저장하기 Pandas explode 메소드 사용하기 (데이터프레임 열에 리스트로 저장된 데이터에서 리스트 요소를 행으로 추가하기) import pandas as pd f1 = pd.read_csv('test.txt', delimiter = '\t', names = ['1', '2', '3', '4', '5', '6', '7', '8', '9']) # 1~9로 열 이름 정해서 탭으로 분..