小编use*_*839的帖子

点子列表抛出一个断言错误,我不知道如何解决.这是在从源代码构建2个软件包(PyUblas-2013.1和boost_1_54_0)之后发生的.我正在使用virtualenv.

错误如下;

(virtenv)[user@xyz ~]$ pip list
beautifulsoup4 (4.2.1)
biopython (1.61)
distribute (0.6.35)
methylpy (0.1.0)
MySQL-python (1.2.4)
numpy (1.7.1)
pip (1.4)
py (1.4.15)
pytest (2.3.5)
PyUblas (2013.1)
Exception:
Traceback (most recent call last):
  File "/home/user/virtenv/lib/python2.7/site-packages/pip/basecommand.py", line 134, in main
    status = self.run(options, args)
  File "/home/user/virtenv/lib/python2.7/site-packages/pip/commands/list.py", line 80, in run
    self.run_listing(options)
  File "/home/user/virtenv/lib/python2.7/site-packages/pip/commands/list.py", line 127, in run_listing
    self.output_package_listing(installed_packages)
  File "/home/user/virtenv/lib/python2.7/site-packages/pip/commands/list.py", line 136, in output_package_listing
    if dist_is_editable(dist):
  File "/home/user/virtenv/lib/python2.7/site-packages/pip/util.py", line 347, in dist_is_editable
    req = FrozenRequirement.from_dist(dist, [])
  File "/home/user/virtenv/lib/python2.7/site-packages/pip/__init__.py", line 194, in from_dist …

我是R的新手,所以我希望能得到一些关于如何实现所需数据操作的指针.

我有一个包含三个变量的数据数组.

  gene_id       fpkm  meth_val
1 100629094     0.000 0.0063
2 100628995     0.000 0.0000
3 102655614   111.406 0.0021

在根据fpkm将我的gene_ids分层为四分位数或十分位数之后,我想绘制平均的meth_val.

一旦我将数据加载到数据帧中......

data <- read.delim("myfile.tsv", sep='\t')

我可以使用以下方法确定fpkm十分位数:

quantile(data$fpkm, prob = seq(0, 1, length = 11), type = 5

产量

          0%          10%          20%          30%          40%          50%
0.000000e+00 9.783032e-01 7.566164e+00 3.667630e+01 1.379986e+02 3.076280e+02
         60%          70%          80%          90%         100%
5.470552e+02 8.875592e+02 1.486200e+03 2.974264e+03 1.958740e+05

从那里开始,我想基于fpkm_val是否适合这些十分之一,将数据帧基本上分成10组.然后我想在ggplot中绘制每个十分位数的meth_val作为一个箱形图并在十进制中执行统计测试.

我真正坚持的主要问题是如何以正确的方式分割我的数据集.任何帮助将非常感谢!

谢谢你!

我正在尝试使用heatmap.2生成一些对数转换的折叠变化数据图(下面的代码).

我想按照最后一列中的值(从大到小)对热图中的行进行排序.这些行是自动排序的(我不确定在引擎盖下使用的精确计算)并且如图所示,正在执行一些聚类.

样本数据

gid     2hrs    4hrs    6hrs    8hrs
1234    0.5     0.75    0.9     2
2234    0       0       1.5     2
3234    -0.5    0.1     1       3
4234    -0.2    -0.2    0.4     2
5234    -0.5    1.2     1      -0.5
6234    -0.5    1.3     2      -0.3
7234    1       1.2    0.5      2
8234    -1.3    -0.2    2       1.2
9234    0.2     0.2     0.2     1
0123    0.2     0.2     3       0.5

码

data <- read.csv(infile, sep='\t',comment.char="#")
rnames <- data[,1]                 # assign labels in column 1 to "rnames"
mat_data <- data.matrix(data[,2:ncol(data)])  # transform columns …

所以我有一个大约75000个元组的列表,我想要进入一个词典.似乎在大约20,000个条目之后,整个程序变慢并且我认为这是因为dict在被填充时被动态调整大小.

根据数据,用于dict的键值位于元组中的不同位置,因此我不能只将元组列表中的键提取到列表x中并调用d.fromkeys(x)来预先初始化大字典.我已经尝试了一个解决方案,但是在通过ast.literal_eval评估dict之后,我得到的只是一个{'None':'None'}:/

我的溶解(这不起作用).

    d_frame = '{'+('\'None\': \'None\',' * 100000)+'}'
    d = ast.literal_eval(d_frame)

是否有这样的内置方法..

谢谢,

编辑:我意识到我的想法的愚蠢..显然你不能在字典中有相同的键....:/

为了澄清,我有一个包含这样数据的元组列表:

 (assembly,strand,start_pos,end_pos,read_count)
 key_format : assembly_strand_val ( where val = start_pos or end_pos depending on other factors )

因为在我评估每个元组之前我不知道密钥,所以我不能用已知的密钥初始化dict,所以只是想知道我是否可以创建一个空的dict然后添加它..它没有意义去污染每个元组只是为了建立一个列表然后创建一个字典然后重复元组评估...

编辑:我意识到瓶颈在哪里..每个元组,我都在检查相关的键是否已经在dict中退出,但我正在使用;

if key not in dict.keys():
    dict[key] = foo

我没有意识到每次都会建立一个密钥列表,并且可以用更加经济的方式替换

if key not in dict:
   dict[key] = foo

改变这种情况导致速度惊人地增加......