查看原文
其他

生物信息Python从入门到精通

2017-02-15 xin49 生信技能树

编者注:本文来自生信编程直播课程讲师投稿,点击阅读原文可以跳转到大神的博客,欢迎点击!

以下为文章全文:


Python开发的方向太多了,有机器学习,数据挖掘,网络开发,爬虫等等。其实在生信领域,Python还显现不出绝对的优势,生信的大部分软件流程都是用shell或Perl写的,而且已经足够好用了。我选Python是因为我想顺便学点数据挖掘和机器学习的东西,而且Python这些年越来越火,发展势头远超其他脚本语言,所以学它肯定是没错的。

一、入门标准

入门比较难定义,什么程度才算入门呢?

  1. 掌握基本的语法,熟练使用python的内置类型、内置函数和数据结构。

  2. 了解一些基本的模块的使用,能够实现一些简单的需求。

后面有一个实例,如果你能简单的做完,那我敢肯定你已经入门了。

二、基本知识点

1.基本语法

缩进:Python是通过代码缩进来决定代码层次逻辑的,一般约定使用4个空格

版本问题:主要包括2.x系列的和3.x系列的,两者语法不同且不兼容,有的模块只能在指定版本下安装。建议使用3.x Python,碰到特殊问题再去使用指定版本

文件编码声明:python会去环境变量里寻找python解释器。如果代码里有中文,则要以utf-8编码

  1. #!/usr/bin/env python

  2. #-*- coding: utf-8 –*-

变量定义:使用前要先定义

dir():列出一个数据类型或对象的所有方法,非常好用,同help()

文件操作:f = open(),f.close();with open() as f: ,os.path.exists(),os.path.isfile(),os.path.abspath()

目录操作:os.mkdir(),os.rmdir(),os.listdir(),os.chdir()

开发环境选择

  • Sublime Text 对Python支持挺好,轻量级生化武器(推荐)

  • Eclipse+Pydev比较厚重,大型开发比较适合

  • Vim/Atom

  • PyCharm

  • IPython

  • WingIDE

2.处理数据

2.1 基本数据类型:布尔;整型;浮点型;字符串

  1. # 字符串的内置函数,都比较有用

  2. 'capitalize', 'casefold', 'center', 'count', 'encode', 'endswith', 'expandtabs', 'find', 'format', 'format_map', 'index', 'isalnum', 'isalpha', 'isdecimal', 'isdigit', 'isidentifier', 'islower', 'isnumeric', 'isprintable', 'isspace', 'istitle', 'isupper', 'join', 'ljust', 'lower', 'lstrip', 'maketrans', 'partition', 'replace', 'rfind', 'rindex', 'rjust', 'rpartition', 'rsplit', 'rstrip', 'split', 'splitlines', 'startswith', 'strip', 'swapcase', 'title', 'translate', 'upper', 'zfill'

2.2 基本数据结构:列表、元组、字典、集合。

数据结构就是一种容器,用于在内存中存放我们的数据。

列表:任意元素组成的顺序序列,以位置为索引。

  1. # 列表的内置函数

  2. 'append', 'clear', 'copy', 'count', 'extend', 'index', 'insert', 'pop', 'remove', 'reverse', 'sort'

元组:相当于不可变的列表,防止错误修改,节省内存开销。元组解包

  1. # 元组的内置函数

  2. 'count', 'index'

字典:键值对,没有顺序,键必须是常量。

  1. # 字典内置函数

  2. 'clear', 'copy', 'fromkeys', 'get', 'items', 'keys', 'pop', 'popitem', 'setdefault', 'update', 'values'

集合:没有顺序,元素之间没有重复,相当于舍弃了值的字典。集合操作(&,|,-,^,<,<=,>,>=)

  1. # 集合内置函数

  2. 'add', 'clear', 'copy', 'discard', 'pop', 'remove', 'update'

  3. 'isdisjoint','issuperset','issubset','symmetric_difference','difference','union', 'intersection', 'symmetric_difference_update','intersection_update','difference_update',

2.3 控制语句

条件:if…else…

循环:for,while,break,continue

2.4 模块使用

Python有着非常友好的模块安装方法,一个pip install命令几乎可以安装绝大多数的模块。建议使用模块前多看相关API文档。

最常用的模块有:sys,os,re,csv,gzip,fileinput,random,collections,time;百度上有很多很好的模块使用入门教程。

  • 正则表达式 re

  • 有序字典 collections.OrderedDict()

  • 调用系统命令 subprocess.call()

三、入门实例

题目:从大量FASTA文件中提取指定序列,并对提取到的序列做某些处理(如求反向互补序列)

描述:假设你有很多测序数据,分别存储在不同文件夹的不同文件里,现在给你一些序列名,要求你从众多数据中提取出特定的序列。

PS:这里本来应该有大量实例,而且大神还亲自录制了好些视频,可以在我们论坛(http://www.biotrainee.com/forum-90-1.html)找到每个实例的详细描述以及代码和解题思路

思路:遍历每一个文件夹;遍历每一个文件;读取文件,判断序列,输出序列(处理),关闭文件;处理数据,添加一个函数即可。

四、精通标准

当然这只是个噱头,精通的道路是无止境的,下面只是罗列了一些常见的高级特性。

  • 切片,推导式,生成器,异常处理

  • 高级模块:threading(多线程),ctypes(调用C程序优化性能),logging(日志)

  • 专业模块:pysam - 处理基因组数据(fasta/fastq/bam/vcf)的Python模块

  • Biopython:Python的计算分子生物学和生物信息学工具包

  • 编写自己的package:解决某个特定需求,上传到 PyPI,然后你就成为大神了

  • 编程规范:写出规范化的代码 Google Python coding style

  • 函数式编程:即使代码量暴增也不会影响代码的可读性,调试和Debug也会变得非常简单。

  • 面向对象编程:最高级的编程方法,对函数进行分类和封装,让开发“更快更好更强...”

五、最后

Python只是一门编程语言,一种实现工具,我们可以用很多种语言来替换它,我们之所以选择Python,是因为我们喜欢它给我们带来的便捷。如果你想深入某个领域,其实真正重要的是技术背后的算法。

六、推荐资源

  • Python教程 - 廖雪峰的官方网站

    http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000

  • python初级教程:入门详解

    http://www.crifan.com/files/doc/docbook/python_beginner_tutorial/release/html/python_beginner_tutorial.html

  • Python 面向对象(初级篇)

    http://m.blog.csdn.net/article/details?id=50760467

  • Python | Codecademy

    https://www.codecademy.com/zh/learn/python

  • Google Python编码风格

    http://www.yeolar.com/note/2013/01/10/python-style-guide/

  • Python正则表达式指南

    http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html

  • 《Python学习手册》

  • 《Python编程金典》

  • 《Bioinformatics Programming Using Python》




编辑:思考问题的熊



您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存