我正致力于生物信息学序列研究，该研究涉及从多组序列（FASTA文件）中提取各种基于序列的特征。 我为序列生成各种功能，并单独处理每个序列（我将使用数万个序列）。我是编程和处理数据的新手。
存储和输出（即保存到csv文件中的矩阵）生成的功能的最佳方法是什么？
这些功能的名称对我来说很重要，所以除了需要输出的顺序与每个单独的序列保持一致之外，我还需要它们。
我计划用字典存储功能（每个序列），因为我知道scikit learn的“dictVectorizer”功能可能对此有用。 但是 - 一个字典是无组织的，我将逐个提取每个序列的特征，写出来，然后从下一个序列中提取 - 写出时它会保持相同的顺序吗？ （所有的特征都是数字和连续的，但是许多特征的值可能为0，有些特征会有一个向量作为输出[E.G-400重叠双字母的频率计数]。
谢谢！
（我主要关注I / O而不是混合功能的输出。）
答案 0 :(得分：0)
因此，最好的方法是pandas或dill。我认为pandas是您更好的选择，但您可以同时使用它们。
import pandas as pd
import dill
如果您尝试使用标签存储矩阵，则说明DataFrames。您可以通过执行DataFrame从数组或字典轻松地在pandas DF = pd.DataFrame(array_object)中创建DF.columns = ["label1","label2",etc.]，您可以按DF.index = ["A","B",etc.]设置列名，并使用相同的方法设置索引值{{1} }}。然后你可以通过执行DF.to_csv("filename.tsv",sep="\t")（我通常使用制表符分隔的b / c逗号很奇怪）将它存储到csv / tsv中，然后将其写入spreadhseet格式，以后可以通过{{1}轻松检索}。另一种方法是使用pd.read_table("filename.tsv",sep="\t")将您的环境变量存储到稍后可以加载的文件中（我为更复杂的对象执行此操作，但它适用于DataFrame或矩阵或任何您想要的）。如果您拥有dill中的DataFrame，则可以matrix/array存储该对象，然后使用dill.dump(DF,open("DF.obj","wb"))检索该对象。
我会使用dill.load(open("DF.obj","rb"))方法，因为你可以在Excel中打开这些东西（生物学家喜欢excel）。如果它们只是矩阵，那么使用pandas.DataFrame.to_csv()来存储对象是过度的。如果你为自己制作东西，但是将存储的dill对象传递给其他人可能会变得很讨厌，这是一个很好的工具。