单细胞分析Scanpy(一)：Anndata数据结构

Scanpy是一个分析单细胞转录组数据的python库，AnnData是scanpy的数据存储格式。

一、AnnData数据结构

1、功能介绍

结构	功能	数据类型
adata.X	矩阵数据	unmpy数组、scipy sparse矩阵
adata.obs	观测值数据	pandas Dataframe
adata.var	特征和高可变基因数据	pandas Dataframe
adata.uns	非结构化数据	字典dict

adata.X存储的是矩阵信息，它的结构虽然是一个数组，但是没有行名和列名信息。矩阵的行名信息存储在adata.obs中，列名信息存储在adata.var中。

一般情况，在单细胞处理中adata.obs存储的是细胞的数据（对应观测），adata.var存储的是基因的数据（对应特征）。

2、adata常用函数

# 数据数目统计
adata.n_obs  # 返回细胞数 2695
adata.n_vars  # 返回基因数 18270
adata.shape # (2695, 18270)# 数据键值提取
adata.obs_keys() # 细胞注释信息的keys，比如 ['ClusterID', 'ClusterName', 'SCT_snn_res_0_8', 'nCount_SCT', 'nCount_Spatial', 'nFeature_SCT', 'nFeature_Spatial', 'orig_ident', 'seurat_clusters', 'imagecol', 'imagerow'']
adata.obs_names  # 返回细胞ID 数据类型是object
adata.var.index  # 返回基因 数据类型是object
adata.var_names.to_list()  # 返回基因 数据类型是list
adata.obs.head() # 查看前5行的数据# 其他的数据组成也可以使用

二、构造anndata数据

通过代码，手动创建一个Anndata数据：

import numpy as np
import pandas as pd
import anndata as ad
from string import ascii_uppercasen_obs = 1000             # 设置观测样本的数量
obs = pd.DataFrame()     # obs用于保存观测量的信息# 生成观察时间
obs['time'] = np.random.choice(['day 1', 'day 2', 'day 4', 'day 8'], n_obs)
# 函数解释：numpy.random.choice(a, size = None)
# a是一维的数组，从a中随机抽取元素，并组成指定大小的数组# 设置特征名
var_names = [i*letter for i in range(1, 10) for letter in ascii_uppercase]
# print(var_names)
# 输出为['A'~'z',...'AAAAAAAAA'~'ZZZZZZZZZ']    从一个字母到九个重复的字母，共26*9=234n_vars = len(var_names)         # 输出大小为234个var = pd.DataFrame(index=var_names)X = np.arange(n_obs * n_vars).reshape(n_obs, n_vars)

X的输出为：

三、Anndata初始化

AnnData 对象默认采用数据类型 float32，可以更精确的存储数据，我们为了便于后期观察打印结果，设置数据类型为 int32：

adata=ad.AnnData(X,obs=obs,var=var,dtype='int32')

输出adata，得到：（列*行=1000*234）

四、函数学习

1、Anndata的切片特性

查看观测值和变量，也就是obs（列）的名字和var（行）的名字。

print(adata.obs_names[:10].tolist())
print(adata.obs_names[-10:].tolist())
print(adata.var_names[:10].tolist())
print(adata.var_names[-3:].tolist())

输出如下：

2、Anndata的view特性

我们每次操作 AnnData 时，并不是再新建一个 AnnData 来存储数据，而是直接找到已经在之前初始化好的 AnnData 的内存地址，通过内存地址来直接改变 AnnData 的值。这样做的好处是：无需分配多余的内存，可以直接修改已经初始后的Anndata对象。

获取与设置Anndata对象

print(adata[:3, 'A'].X)         # 查看 'A' 列的头三个元素
adata[:3, 'A'].X = [0, 0, 0]    # 设置 'A' 列的头三个元素
print(adata[:5, 'A'].X)         # 查看 'A' 列的头五个元素

输出结果：

（因为在第二行代码的时候修改了对象的值，所以再次查看的时候，第A列的前三行都为0）

五、参考文章

1、http://t.csdn.cn/V9fZY

2、http://t.csdn.cn/WJvI4

3、Scanpy数据结构:AnnData - 何帅 - 博客园