معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Process mutation data into standard formats originally developed for the ExploSig family of tools

ویژگی	مقدار
سیستم عامل	-
نام فایل	explosig-data-0.0.5
نام	explosig-data
نسخه کتابخانه	0.0.5
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Leiserson Research Group
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/lrgr/explosig-data
آدرس اینترنتی	https://pypi.org/project/explosig-data/
مجوز	-

[![Build Status](https://travis-ci.org/lrgr/explosig-data.svg?branch=master)](https://travis-ci.org/lrgr/explosig-data) [![PyPI](https://img.shields.io/pypi/v/explosig-data)](https://pypi.org/project/explosig-data/) ## ExploSig Data Helpers for processing mutation data into standard formats originally developed for the [ExploSig](https://github.com/lrgr/explosig) family of tools. - [Documentation](https://lrgr.github.io/explosig-data/) ### Installation ```sh pip install explosig-data ``` ### Example With raw SSM/MAF file from ICGC or TCGA: ```python >>> import explosig_data as ed >>> # Step 1: Process into the ExploSig "standard format": >>> data_container = ed.standardize_ICGC_ssm_file('path/to/ssm.tsv') # if ICGC >>> data_container = ed.standardize_TCGA_maf_file('path/to/maf.tsv') # if TCGA >>> # Step 2: Process further >>> data_container.extend_df().to_counts_df('SBS_96', ed.categories.SBS_96_category_list()) >>> # Step 3: Access any processed dataframe of interest: >>> ssm_df = data_container.ssm_df >>> extended_df = data_container.extended_df >>> counts_df = data_container.counts_dfs['SBS_96'] >>> # Alternatively, use without the chaining API: >>> ssm_df = ed.standardize_ICGC_ssm_file('path/to/ssm.tsv', wrap=False) # if ICGC >>> ssm_df = ed.standardize_TCGA_maf_file('path/to/maf.tsv', wrap=False) # if TCGA >>> extended_df = ed.extend_ssm_df(ssm_df) >>> counts_df = ed.counts_from_extended_ssm_df( extended_df, category_colname='SBS_96', category_values=ed.categories.SBS_96_category_list() ) ``` With data already in the ExploSig "standard format": ```python >>> import explosig_data as ed >>> import pandas as pd >>> # Step 0: Load the data into a dataframe, for example by reading from a TSV file. >>> ssm_df = pd.read_csv('path/to/standard.tsv', sep='\t') >>> # Step 1: Wrap the dataframe using the container class to allow use of the chainable functions. >>> data_container = ed.SimpleSomaticMutationContainer(ssm_df) >>> # Now see step 2 above (or the alternative steps above). ``` ### Development Install for development (in editable mode): ```sh pip install -e . ``` Build and push to PyPI: ```sh python setup.py sdist bdist_wheel python -m twine upload dist/* ```

نیازمندی

مقدار	نام
>=2.22.0	requests
>=0.25.1	pandas
>=1.17.0	numpy
>=5.3	snakemake
>=1.75	biopython
>=3.1	twobitreader
>=4.39.0	tqdm

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl explosig-data-0.0.5:

pip install explosig-data-0.0.5.whl

نصب پکیج tar.gz explosig-data-0.0.5:

pip install explosig-data-0.0.5.tar.gz