Python库我有一些大的基因组数据文件来分析,它有两种形式,像这样的个人剂量档案:大型标签/逗号分隔的文本文件
id snp1 snp2 snp3 snp4 snp5 snp6
RS1->1000001 DOSE 1.994 1.998 1.998 1.998 1.830 1.335
RS1->1000002 DOSE 1.291 1.998 1.998 1.998 1.830 1.335
RS1->100001 DOSE 1.992 1.998 1.998 1.998 1.830 1.335
RS1->100002 DOSE 1.394 1.998 1.998 1.998 1.830 1.335
RS1->10001 DOSE 1.994 1.998 1.998 1.998 1.830 1.335
RS1->1001001 DOSE 1.904 1.998 1.998 1.998 1.830 1.335
RS1->1002001 DOSE 1.094 1.998 1.998 1.998 1.830 1.335
RS1->1003001 DOSE 1.994 1.998 1.998 1.998 1.830 1.335
RS1->1004001 DOSE 1.994 1.998 1.998 1.998 1.830 1.335
RS1->1005002 DOSE 1.994 1.998 1.998 1.998 1.830 1.335
另包含一些概要信息:
SNP Al1 Al2 Freq1 MAF Quality Rsq
22_16050607 G A 0.99699 0.00301 0.99699 0.00000
22_16050650 C T 0.99900 0.00100 0.99900 0.00000
22_16051065 G A 0.99900 0.00100 0.99900 0.00000
22_16051134 A G 0.99900 0.00100 0.99900 0.00000
rs62224609 T C 0.91483 0.08517 0.91483 -0.00000
rs62224610 G C 0.66733 0.33267 0.66733 0.00000
22_16051477 C A 0.99399 0.00601 0.99399 -0.00000
22_16051493 G A 0.99900 0.00100 0.99900 -0.00000
22_16051497 A G 0.64529 0.35471 0.64529 0.00000
第二个文件中的SNP列对应于第一个文件中的snp1,snp2 ...。我需要使用第二个文件中的摘要信息进行一些质量检查和选择,然后相应地对第一个文件中的数据应用一些统计分析。
问题是,有没有适合这项任务的Python库?这里的性能至关重要,因为这些文件非常庞大。谢谢!
“真的很大”有多大? – mgilson 2013-05-08 15:38:36
在我的回答中,我给了你一个很好的模块,但如果你更具体地说明你需要做什么从文件到你的支票和选择文件,我可以相应地更新我的答案! – 2013-05-08 15:41:45
@mgilson数百万列和数千行。 – qed 2013-05-08 16:08:41