对于芯片或者其它表达数据来说,最常见的莫过于quantile normalization啦. 那么它到底对我们的表达数据做了什么呢?首先要么要清楚一个概念,表达矩阵的每一列都是一个样本,每一行都是一个基因或者探针,值就是表达量咯.quantile normalization 就是对每列单独进行排序,排好序的矩阵求平均值,得到平均值向量,然后根据原矩阵的排序情况替换对应的平均值,所以normalization之后的值只有平均值了. 具体看下面的图: 转载:http://www.bio-info-t

函数说明: 1.  .quantile(cut_list) 对DataFrame类型直接使用,用于求出给定列表中分数的数值,这里用来求出4分位出的数值 2.  plt.axvline()  # 用于画出图形中的竖线 3.  pd.qcut(feature, cut_list, labels)  用于对特征进行切分,cut_list切分的分数位置,labels切分后新的标签值 我们可以根据某个特征的四分位数值,给定这个特征一个新的四分位数值的特征 四分位表示的是数值的中位数,1/4位和3/4位 比

p分位函数(四分位数)概念与pandas中的quantile函数 函数原型 DataFrame.quantile(q=0.5, axis=0, numeric_only=True, interpolation=’linear’) 参数 - q : float or array-like, default 0.5 (50% quantile 即中位数-第2四分位数) 0 <= q <= 1, the quantile(s) to compute - axis : {0, 1, ‘index’,

指定某个字段,必须要包含XX字符 GET /beauties/my/_search?q=Name:Chang Wei   搜出 某个字段不包含XX字符 的所有内容 GET /beauties/my/_search?q=-Name:Ruru  (搜索结果中,Name都不包含Ruru)   不管哪个字段,只要包含指定字符,就可以返回 GET /beauties/my/_search?q=Ruru 原理:ES内部,不是每个字段都去看一下是不是包含Ruru,而是搜索了一个特殊的字段:_all.    

四分位数与pandas中的quantile函数 1.分位数概念 统计学上的有分位数这个概念,一般用p来表示.原则上p是可以取0到1之间的任意值的.但是有一个四分位数是p分位数中较为有名的. 所谓四分位数:即把数值由小到大排列并分成四等份,处于三个分割点位置的数值就是四分位数. 为了更一般化,在计算的过程中,我们考虑p分位.当p=0.25 0.5 0.75 时,就是在计算四分位数. 第1四分位数 (Q1),又称"较小四分位数",等于该样本中所有数值由小到大排列后第25%的数字. 第2四分

SVD 参考 https://www.zybuluo.com/rianusr/note/1195225 1 推荐系统概述   1.1 项目安排     1.2 三大协同过滤   1.3 项目开发工具   2 Movielens数据集简介 MovieLens是推荐系统常用的数据集: MovieLens数据集中,用户对自己看过的电影进行评分,分值为1~5: MovieLens包括两个不同大小的库,适用于不同规模的算法: ·小规模的库事943个独立用户对1682部电影做的10000次评分的数据: ·大

转发原文链接:RSA加密算法加密与解密过程解析 1.加密算法概述 加密算法根据内容是否可以还原分为可逆加密和非可逆加密. 可逆加密根据其加密解密是否使用的同一个密钥而可以分为对称加密和非对称加密. 所谓对称加密即是指在加密和解密时使用的是同一个密钥:举个简单的例子,对一个字符串C做简单的加密处理,对于每个字符都和A做异或,形成密文S.解密的时候再用密文S和密钥A做异或,还原为原来的字符串C.这种加密方式有一个很大的缺点就是不安全,因为一旦加密用的密钥泄露了之后,就可以用这个密钥破解其他所有的密文

转自链接:https://blog.csdn.net/YEPAO01/article/details/99197487 一.查看数据分布趋势 import pandas as pd import numpy as np import matplotlib.pyplot as plt %matplotlib inline #读取源数据 df = pd.read_csv('http://jse.amstat.org/datasets/normtemp.dat.txt', header=None, s

巴什博奕的变形,与以往巴什博奕不同的是,这里给出了上界和下界,原先是(1,m),现在是(p,q),但是原理还是一样的,解释如下: 假设先取者为A,后取者为B,初始状态下有石子n个,除最后一次外其他每次取得石子个数必须在[p,q]之间. 若当前石子共有n = (p+q) * r个,则A必胜,必胜策略为:A第一次取q个,以后每次若B取K个,A取(p+q-k)个,如此下去最后必剩下p个给B,所以A必胜. 若n = (p+q)* r + left个(1 < left <= p)B必胜,必胜策略为:每次

堆的介绍 Q: 什么是堆? A: 这里的“堆”是指一种特殊的二叉树,不要和Java.C/C++等编程语言里的“堆”混淆,后者指的是程序员用new能得到的计算机内存的可用部分 A: 堆是有如下特点的二叉树: 1) 是一棵完全二叉树 2) 通常由数组实现.前面介绍了如何用数组表示树 3) 堆中的每个节点都满足堆的条件,即每个节点的关键字都大于(或等于)这个节点的子节点关键字 下图显示了堆与实现它的数组之间的关系:  A: 堆是完全二叉树的事实说明了表示堆的数组中没有“洞”,从下标0到N-1,每个元素

对于RSA这套公私钥加密的思路,我以为我挺明白的,运用的娴熟自如. 当然现在RSA用的不多,而是基于ECC曲线来做签名验签,最大名鼎鼎的莫过于比特币. 可是前两天和别人讲代码,被问了ECC为什么可以用来做验签,发现自己讲不清楚. 所以做了点功课,来把这个问题讲清楚. 首先我们跳过ECC曲线是个啥这个话题,这部分我觉得对理解这个逻辑,帮助并不大,黑盒掉就好了. 因为我们是程序员,有类型这样的表述神器,非常清晰,你一点都不用害怕. 只说原理,非伪代码,比如关于曲线阶数不说不影响理解原理,我就不说了.

在具体谈及骚操作之前先捋一遍基本的统计特征函数 方法名 函数功能 所属库 sum() 计算数据样本的综合(按照列计算) pandas mean() 计算数据样本的算术平均数 pandas var() 计算样本的方差 pandas std() 计算样本的标准差 pandas sample() 计算样本的Spearman(Person)相关系数矩阵 pandas cov() 计算样本的协方差矩阵 pandas skew 样本值的偏度:偏度系数 pandas describe() 给出样本的基本描述(

RNA-seq中的基因表达量计算和表达差异分析 差异分析的步骤:1)比对:2) read count计算:3) read count的归一化:4)差异表达分析: 背景知识:1)比对:普通比对: BWA,SOAP开大GAP比对:Tophat(Bowtie2):2) Read count(多重比对的问题):丢弃平均分配利用Unique region估计并重新分配表达量计算的本质目标基因表达量相对参照系表达量的数值.参照的本质:( 1)假设样本间参照的信号值应该是相同的:( 2)将样本间参照的观测值校

简介: 总结: 1. 逻辑层使用js引擎,视图层使用webview渲染 2. 微信小程序已经支持了绝大部分的 ES6 API 3. 可以自动补全css的兼容语法 文档:https://developers.weixin.qq.com/miniprogram/dev/framework/details.html 一. 设计 总结: 设计图750px, 1px =  1rpx,方便计算 二. 小程序页面结构 wxml: 功能类似html,描述节点,但小程序的 WXML 用的标签是 view, but

python信用评分卡(附代码,博主录制) https://study.163.com/course/introduction.htm?courseId=1005214003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share ## 1. Data Lending Club 2016年Q3数据:https://www.lendingclub.com/info/download-data.act

1.数值计算和统计基础 常用数学.统计方法 数值计算和统计基础 基本参数:axis.skipna df.mean(axis=1,skipna=False)  -->> axis=1是按行来进行统计: 默认按列统计(axis默认为0,可不写): skipna=False是不忽略,显示NaN,默认为True,即忽略NaN. >>> import numpy as np >>> import pandas as pd >>> df = pd.Da

import pandas as pd import numpy as np df = pd.DataFrame({ 'key1': [4, 5, 3, np.nan, 2], 'key2': [1, 2, np.nan, 4, 5], 'key3': [1, 2, 3, 'j', 'k'] }, index=['a', 'b', 'c', 'd', 'e']) print(df) print(df['key1'].dtype,df['key2'].dtype,df['key3'].dtype)

pandas 最常用的三种基本数据结构: 1.dataFrame: https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.html  DataFrame相当于有表格(eg excel),有行表头和列表头 1.1初始化: a=pd.DataFrame(np.random.rand(,),index=list("ABCD"),columns=list('abcde')) 1.2 a['f']=[1,2

多线程 关键词:线程池 Q:如何新建一个线程? 继承Thread,或者实现Runnable接口,或者通过Callable接口实现. Q:Callable怎么用? Callable可以作为FutureTask的方法参数. FutureTask进行多线程操作时,还可以返回一个结果,也就是通过FutureTask实现异步. Q:线程有哪些状态? 新建,就绪,运行,阻塞,停止 阻塞可以是sleep(),wait(),或者join() Q: sleep() 和 wait() 的区别? 所属的类不一样.Th

1.密钥的计算获取过程 密钥的计算过程为:首先选择两个质数p和q,令n=p*q. 令k=ϕ(n)=(p−1)(q−1),原理见2的分析 选择任意整数d,保证其与k互质 取整数e,使得[de]k=[1]k.也就是说de=kt+1,t为某一整数. 2.RSA加密算法原理解析 下面分析其内在的数学原理,说到RSA加密算法就不得不说到欧拉定理. 欧拉定理(Euler's theorem)是欧拉在证明费马小定理的过程中,发现的一个适用性更广的定理. 首先定义一个函数,叫做欧拉Phi函数,即ϕ(n),其中,

# 导入模块import pandas as pdimport numpy as np # 构造序列gdp1 = pd.Series([2.8,3.01,8.99,8.59,5.18])print(gdp1)# 取出gdp1中的第一.第四和第五个元素print('行号风格的序列:\n',gdp1[[0,3,4]])# 数学函数--取对数print('通过numpy函数:\n',np.log(gdp1))# 平均gdpprint('通过numpy函数:\n',np.mean(gdp1))print