pandas-plink 2.2.2基因数据读取工具
基因数据的高效读取，一直是数据里的老大难。pandas_plink的2.2.2版本专门这个问题，直接用Pandas操作.bed、.bim、.fam这些 Plink 文件，速度挺快，还能配合常见库玩出不少花样。
你要是做过遗传相关的数据，应该对 Plink 文件格式不陌生。pandas_plink直接把这些格式转成Pandas DataFrame，结构清晰，数据预也方便，想做统计或者建模都顺手。
它底层用了Dask，也就是说，数据量大也不怕，延迟加载、分布式都安排上了。文件大到几 GB？没关系，照样能跑，还不卡。
日常用法简单，比如加载 Plink 文件：
from pandas_plink import read_plink
(bim, fam, bed) = read_plink('data/genotype')加载完就能像普通 DataFrame 那样，比如bed.values拿基因矩阵，fam.fid拿样本 ID，操作挺顺手。
不过有一点要注意，文件路径别带错，它是按文件名前缀读取三件套的，像genotype.bed、genotype.bim、genotype.fam必须放一起。
如果你平时做数据比较多，又刚好接触遗传学数据，那这个库可以说是又轻量又好用，配合Pandas、NumPy、Seaborn搞点可视化也挺方便。
文件大小：72.83KB
评论区