单细胞内存映射数据集
FileNames
基类:str
, Enum
在 SingleCellCollection 中生成的文件名。
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
35 36 37 38 39 40 41 42 43 44 |
|
METADATA
基类:str
, Enum
存储的元数据。
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
59 60 61 62 |
|
Mode
基类:str
, Enum
单细胞内存映射数据集的有效模式。
写入追加模式为 'w+',读取追加模式为 'r+'。
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
47 48 49 50 51 52 53 54 55 56 |
|
SingleCellMemMapDataset
基类:SingleCellRowDataset
表示一个或多个 AnnData 矩阵。
数据存储在大型内存映射数组中,这使得可以快速访问大于系统可用 RAM 容量的数据集。SCMMAP 实现了 SingleCellRowDataset 中定义的一致 API。
属性
名称 | 类型 | 描述 |
---|---|---|
data_path |
str
|
要从中加载或将要加载的 np.memmap 文件的位置 |
mode |
Mode
|
数据集将从 np.memmap 文件中读取 (r+) 还是 |
data |
Optional[ndarray]
|
数据的 numpy 数组 |
row_index |
Optional[ndarray]
|
行指针的 numpy 数组 |
col_index |
Optional[ndarray]
|
列值的 numpy 数组 |
metadata |
Dict[str, int]
|
关于数据集的各种元数据。 |
_feature_index |
RowFeatureIndex
|
相应的 RowFeatureIndex,其中包含特征 |
dtypes |
Dict[FileNames, str]
|
包含数据、row_index 的数据类型的字典, |
_version |
str
|
数据集的版本 |
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 |
|
__getitem__(idx)
获取位于索引 idx 的行值。
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
696 697 698 |
|
__init__(data_path, h5ad_path=None, num_elements=None, num_rows=None, mode=Mode.READ_APPEND, paginated_load_cutoff=10000, load_block_row_size=1000000)
实例化类。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
data_path
|
str
|
从中读取数据 np.memmap 文件的位置 |
必需 |
h5ad_path
|
Optional[str]
|
可选,h5_ad 路径的位置。 |
无
|
num_elements
|
Optional[int]
|
数组中的元素总数。 |
无
|
num_rows
|
Optional[int]
|
数据框中的行数。 |
无
|
mode
|
Mode
|
是否从 data_path 读取或写入。 |
READ_APPEND
|
paginated_load_cutoff
|
int
|
磁盘上的 MB 大小,超过此大小将使用分页加载来加载 h5ad 结构。 |
10000
|
load_block_row_size
|
int
|
使用分页加载加载到内存中的行数 |
1000000
|
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 |
|
__init__obj()
初始化数据路径并写入版本。
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
308 309 310 311 312 313 314 315 |
|
__len__()
返回行数。
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
692 693 694 |
|
concat(other_dataset)
将另一个 SingleCellMemMapDataset 连接到现有的数据集。
数据存储在与原始数据集相同的位置。这需要使用 _swap_memmap_array。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
other_dataset
|
Union[list[SingleCellMemMapDataset], SingleCellMemMapDataset]
|
SingleCellMemMapDataset 或列表 |
必需 |
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 |
|
features()
返回相应的 RowFeatureIndex。
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
413 414 415 |
|
get_row(index, return_features=False, feature_vars=None)
返回数据集中的给定行以及可选的特征。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
index
|
int
|
要返回的行。范围为 [0, num_rows) |
必需 |
return_features
|
bool
|
指示是否返回特征的布尔值 |
False
|
feature_vars
|
Optional[List[str]]
|
可选,要提取的特征变量 |
无
|
返回: [Tuple[np.ndarray, np.ndarray]: 数据值和列指针 List[np.ndarray]: 可选,相应的特征。
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 |
|
get_row_column(index, column, impute_missing_zeros=True)
返回给定索引处的值和相应的列。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
index
|
int
|
要返回的索引 |
必需 |
column
|
int
|
要返回的列 |
必需 |
impute_missing_zeros
|
bool
|
指示是否设置缺失值的布尔值 |
True
|
返回: 一个浮点数,表示数组中的值,或者 None。
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 |
|
get_row_padded(index, return_features=False, feature_vars=None)
返回数据集中行的填充版本。
填充版本是指将稀疏数组表示形式转换为传统表示形式的版本。可选地,返回特征。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
index
|
int
|
要返回的行 |
必需 |
return_features
|
bool
|
指示是否返回特征的布尔值 |
False
|
feature_vars
|
Optional[List[str]]
|
可选,要提取的特征变量 |
无
|
返回: np.ndarray: 传统行表示 List[np.ndarray]: 可选,相应的特征。
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 |
|
load(stored_path)
加载存储在 store_path 的数据,该路径是 np.memmap 格式。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
stored_path
|
str
|
包含 np.memmap 文件的目录 |
必需 |
Raises: FileNotFoundError 如果找不到相应的目录或文件,或者如果元数据文件不存在。
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 |
|
load_h5ad(anndata_path)
从磁盘加载现有的 AnnData 存档。
这将创建一个新的后备数据结构并保存。注意:使用的存储空间将大致翻倍。目前,数据必须为 scipy.sparse.spmatrix 格式。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
anndata_path
|
str
|
要加载的数据的位置 |
必需 |
Raises: FileNotFoundError 如果数据路径不存在。NotImplementedError 如果数据不是 scipy.sparse.spmatrix 格式 ValueError 如果没有计数数据
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 |
|
number_nonzero_values()
数据集中非零条目的数量。
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
688 689 690 |
|
number_of_rows()
数据集中的行数。
返回
类型 | 描述 |
---|---|
int
|
数据集中的行数 |
Raises: ValueError 如果特征索引中行数的长度与存储的行数不对应。
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 |
|
number_of_values()
获取数组中值的总数。
对于每个索引,计算相应特征 np.ndarray 的长度。
返回
类型 | 描述 |
---|---|
int
|
每行特征长度的总和 |
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
662 663 664 665 666 667 668 669 670 |
|
number_of_variables()
获取数据集中每个条目的特征数量。
返回
类型 | 描述 |
---|---|
List[int]
|
包含每行特征长度的列表 |
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
700 701 702 703 704 705 706 707 708 709 710 |
|
paginated_load_h5ad(anndata_path)
用于分块加载较大的 h5ad 文件并将其转换为 SCDL 格式的方法。
当整个 anndata 文件无法加载到内存中时,应使用此方法。anndata 一次加载 load_block_row_size 行到内存中。每个块都转换为 numpy 内存映射,然后将它们连接在一起。
返回
名称 | 类型 | 描述 |
---|---|---|
DataFrame
|
pd.DataFrame: 特征的 var 变量 |
|
int |
int
|
数据框中的行数。 |
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 |
|
regular_load_h5ad(anndata_path)
用于将 h5ad 文件加载到内存并将其转换为 SCDL 格式的方法。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
anndata_path
|
str
|
要加载的数据的位置 |
必需 |
Raises: NotImplementedError 如果数据不是 scipy.sparse.spmatrix 格式 ValueError 如果没有计数数据 Returns: pd.DataFrame: 特征的 var 变量 int: 数据框中的行数。
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 |
|
save(output_path=None)
将类保存到给定的输出路径。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
output_path
|
Optional[str]
|
要保存的位置 - 尚未实现,应 |
无
|
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 |
|
shape()
获取数据集的形状。
这是条目数乘以与该变量对应的特征索引的长度。
返回
类型 | 描述 |
---|---|
int
|
数据集中的元素数 |
List[int]
|
包含每行变量数的列表。 |
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
712 713 714 715 716 717 718 719 720 721 722 |
|
version()
返回版本号。
(following
bionemo/scdl/io/single_cell_memmap_dataset.py
中的源代码
330 331 332 333 334 335 |
|