Nach Python-Klasse von Chemoinfomatics gelernt ist es eine der repräsentativen Bibliotheken von Python mit dem Thema Lipidomics (umfassende Analyse von Lipiden). Ich werde über "NumPy" erklären. Wir werden hauptsächlich praktische Beispiele für Chemoinfomatik erläutern. Wenn Sie also die Grundlagen überprüfen möchten, lesen Sie bitte den folgenden Artikel, bevor Sie diesen Artikel lesen.
Forscher eines Pharmaunternehmens fasste NumPy zusammen
Mit NumPy können Sie Vektor- und Matrixoperationen mit hoher Geschwindigkeit ausführen.
Zunächst können Sie die Bibliothek mit dem Namen "Bibliothek importieren" laden.
Durch Hinzufügen von "als Abkürzung" können Sie außerdem die Bibliothek mit der hier geschriebenen Abkürzung aufrufen (darauf zeigen).
Bei NumPy ist es üblich, np zu verwenden.
import numpy as np
masses = np.array([12, 1.00783, 15.99491]) #Ein ndarray, der die genauen Massen von Kohlenstoff-, Wasserstoff- und Sauerstoffatomen enthält
numbers = np.array([16, 32, 2]) #Anzahl der Kohlenstoff-, Wasserstoff- und Sauerstoffatome in Palmitinsäure
print(masses * numbers) #Berechnen Sie die Präzisionsmasse für jedes Element
print(sum((masses * numbers))) #Präzisionsmasse von Palmitinsäure
Wie oben gezeigt, können Sie mit np.array (list) einen Vektor mit mehreren Elementen erstellen.
Wenn Sie vier Regeln ausführen, wird die Operation für jedes Element ausgeführt.
Sie können auch sum verwenden, um den Gesamtwert aller Elemente zu ermitteln.
Der von "np.array (list)" erstellte Vektor ist einer Liste sehr ähnlich, aber der Datentyp ist "numpy.ndarray" anstelle von "list". Das Multiplizieren von "numpy.ndarray" gibt "numpy.ndarray" multipliziert mit jedem Element zurück, aber das Multiplizieren von "list" führt zu "TypeError" und die Operation kann nicht ausgeführt werden.
import numpy as np
masses_ndarray = np.array([12, 1.00783, 15.99491])
print(type(masses_ndarray)) # numpy.ndarray
masses_list = [12, 1.00783, 15.99491]
print(type(masses_list)) # list
print(list(masses_ndarray)) # [12, 1.00783, 15.99491]
numbers_list = [16, 32, 2]
# print(masses_list * numbers_list) # TypeError
Als nächstes sollten Sie das Atomgewicht anhand der genauen Masse des Atoms und seiner Isotope sowie des natürlichen Isotopenhäufigkeitsverhältnisses ermitteln.
import numpy as np
exact_mass_H = np.array([1.00783, 2.01410]) #Präzisionsmasse von Isotopen
isotope_ratio_H = np.array([0.99989, 0.00011]) #Natürliches Häufigkeitsverhältnis von Isotopen
molecular_weight_H = sum(exact_mass_H * isotope_ratio_H) #Atomgewicht berechnen
print(molecular_weight_H) #Atomgewicht von Wasserstoff
Lassen Sie uns abschließend die genauen Massen mehrerer Fettsäuremolekülspezies ermitteln.
import numpy as np
numbers = np.array([[16, 32, 2], [18, 36, 2], [18, 34, 2]]) #Elementzusammensetzung von Palmitinsäure, Stearinsäure, Ölsäure
print(masses * numbers) #Berechnen Sie die genaue Masse jedes Elements jeder Molekülspezies
print(np.sum(masses * numbers, axis=1)) #Berechnen Sie die genaue Masse jeder Molekülspezies
Hier erklärte ich NumPy und konzentrierte mich auf praktisches Wissen, das in der Chemoinfomatik verwendet werden kann. Lassen Sie uns die wichtigsten Punkte noch einmal überprüfen.
Als nächstes werde ich Pandas im folgenden Artikel erklären.
Pandas lernen mit Chemoinfomatik
Was ist die Programmiersprache Python? Kann es für KI und maschinelles Lernen verwendet werden?
Recommended Posts