【生信学习周】生物信息Python从入门到精通

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》

生信菜鸟专栏是生信技能树论坛的版主团队的专栏，团队成员生信技能背景丰富，文件格式，数据资源，软件使用，脚本技巧，统计绘图，组学实战均有对应人才。而本专栏将从基础到深入，为零基础的各位剖析生信技能。

科研路，不孤单！^ ^

FS科研软件库，集合60+医学科研必备神器，现在统统打包分享，点这里