- 综合排序
- 最热优先
- 最新优先
10X HD数据分析进行COMMOT信号流分析
作者， Evil Genius今天我们更新一个简单的内容，10X HD分析COMMOT。 读取数据，我们读取16um的数据import commot as ctimport scanpy as scimport pandas as pdimport numpy as npadata = sc.read_visium var: 'gene_ids', 'feature_types', 'genome' uns: 'spatial' obsm: 'spatial'超过13万的spot，1万8的基因数量简单的数据分析 , adata.var.highly_variable]sc.tl.pca(adata, svd_solver='arpack')sc.pp.neighbors(adata, n_neighbors=10 sc.pl.spatial(adata,color = 'leiden')plt.savefig('sample.HD.spatial.png',bbox_inches = 'tight')配受体，我们就跑前10
29420编辑于 2025-03-06- 来自专栏数据的力量
数据分析师必需具备的10种分析思维
该思维方法的关键是：建立长远目标、全局观念、整体概念、完整地分析数据，不做井底之蛙。 三、下切思维 数据是一个过程的结果反映，怎样通过看数据找到更多的原因以及隐藏在现象背后的真相，需要我们下切思维，把事物切细了分析，把过程拆分细了分析。 此时关键是要知道数据的构成、分解数据的手段、对分解后的数据的重要程度的了解。也就是说那些数据需要分解分析？ 这也如同显微镜原理 四、求同思维 当一堆数据摆在我们面前时，表现出各异的形态，然而我们却要在种种的表象背后，找出其有共同规律的特点。关键是找到共性的东西进行分析，还要客观。 八、离开思维 通过，数据分析，你发现你处在一个不太有利的地位，那么，此时，你就要有离开思维去替你想办法，离开困境。关键是学会自我调节，自我放松。实际情况如：遇到难解的结，你怎么办？
1.1K30发布于 2018-06-20 - 来自专栏PPV课数据科学社区
数据分析师必需具备的10种分析思维
该思维方法的关键是：建立长远目标、全局观念、整体概念、完整地分析数据，不做井底之蛙。 三、下切思维 数据是一个过程的结果反映，怎样通过看数据找到更多的原因以及隐藏在现象背后的真相，需要我们下切思维，把事物切细了分析，把过程拆分细了分析。 此时 关键是要知道数据的构成、分解数据的手段、对分解后的数据的重要程度的了解。也就是说那些数据需要分解分析？ 这也如同 显微镜原理 四、求同思维 当一堆数据摆在我们面前时，表现出各异的形态，然而我们却要在种种的表象背后，找出其有共同规律的特点。 关键是找到共性的东西进行分析，还要客观。 八、离开思维 通过，数据分析，你发现你处在一个不太有利的地位，那么，此时，你就要有离开思维去替你想办法，离开困境 。 关键是学会自我调节，自我放松。 实际情况如：遇到难解的结，你怎么办？
97970发布于 2018-04-20 课前准备----10X HD数据基础分析
作者，Evil Genius现在我们的课程来到HD的分析阶段了。 重要的放前面，为了提高下游分析的灵敏度和精度，建议使用SpotClean调整spot swapping，这有助于减少由于附近点的bleed导致的点交换污染，从而提高分析的准确性。 10X HD默认输出8um、16um bin数据，如果需要调整，比如调整到20 um的精度，需要用到参数visium的捕获策略。HD的捕获策略大家能找到其中所有的不同吗？ Space Ranger分析HD数据的前准备，图像校准选择Visium HD Manual Alignment上传图片（注意这是cytoassist生成的图片，非常大）选择芯片信息确定锚点识别核心的三个锚点调整基准点 非常大）For H&E images, as in this case, select brightfield.标记landmarks确保准确度通常情况需要设置5-8个标记评估匹配度输出比对文件结束进行数据分析输入文件
40220编辑于 2024-08-14- 来自专栏CDA数据分析师
【干货】数据挖掘的10大分析方法
其缺点是：在构造树的过程中，需要对数据集进行多次的顺序扫描和排序，因而导致算法的低效。 它是一种监督式学习的方法，它广泛的应用于统计分类以及回归分析中。支持向量机将向量映射到一个更高维的空间里，在这个空间里建立有一个最大间隔超平面。在分开数据的超平面的两边建有两个互相平行的超平面。 将修改过权值的新数据集送给下层分类器进行训练，最后将每次训练得到的分类器最后融合起来，作为最后的决策分类器。 10.CART:分类与回归树 CART,ClassificationandRegressionTrees。在分类树下面有两个关键的思想。 第一个是关于递归地划分自变量空间的想法；第二个想法是用验证数据进行剪枝。
2K80发布于 2018-02-11 - 来自专栏林德熙的博客
win10 UWP 九幽数据分析
九幽数据统计是统计和分析数据来源，用户使用，先申请账号 http://www.windows.sc 创建应用 图片要72*72的，然后请看图片，记密钥 在项目Nuget进行搜索，然后下载安装 在App.xaml.cs
62730发布于 2019-03-13 - 来自专栏张俊红
10周拿下数据分析师认证 ！！
真诚的向大家推荐，《腾讯课堂数据分析师认证课程》，该课程也是腾讯课堂指定认证课程。专为在校学生、0~3年职场新人量身定制，真正体系化、专业化帮大家提升数据分析能力，成为大厂抢手的数据分析人才。 10种商业模型 面对不同的场景，应用不同分析模型解决问题 5W2H分析模型、AARRR分析模型、RFM客户价值模型、A/B 测试模型、用户分成模型、SWOT分析模型、购物篮分析模型、波士顿矩阵分析、生命周期模型 》 专注于培养行业TOP10%的数据分析师 长按识别，添加课程老师微信 报名、课程咨询 《数据分析师认证课程》 专注于培养行业TOP10%的数据分析师 长按识别，添加课程老师微信 报名、课程咨询 终生学习辅导 主课程《10周成为数据分析师》，另外还附赠数据分析师高阶录播课程，覆盖0-8年数据分析师必备专业技能。 》 专注于培养行业TOP10%的数据分析师 长按识别，添加老师微信 报名、课程咨询
87040编辑于 2022-04-21 - 来自专栏CDA数据分析师
【干货】数据分析师必懂的10种分析思维
该思维方法的关键是：建立长远目标、全局观念、整体概念、完整地分析数据，不做井底之蛙。 三、下切思维 数据是一个过程的结果反映，怎样通过看数据找到更多的原因以及隐藏在现象背后的真相，需要我们下切思维，把事物切细了分析，把过程拆分细了分析。 此时 关键是要知道数据的构成、分解数据的手段、对分解后的数据的重要程度的了解。也就是说那些数据需要分解分析？ 这也如同 显微镜原理 四、求同思维 当一堆数据摆在我们面前时，表现出各异的形态，然而我们却要在种种的表象背后，找出其有共同规律的特点。 关键是找到共性的东西进行分析，还要客观。 八、离开思维 通过数据分析，你发现你处在一个不太有利的地位，那么，此时，你就要有离开思维去替你想办法，离开困境 。 关键是学会自我调节，自我放松。 实际情况如：遇到难解的结，你怎么办？
66970发布于 2018-02-11 - 来自专栏PPV课数据科学社区
【职业】数据分析师必懂的10种分析思维
该思维方法的关键是：建立长远目标、全局观念、整体概念、完整地分析数据，不做井底之蛙。 三、下切思维 数 据是一个过程的结果反映，怎样通过看数据找到更多的原因以及隐藏在现象背后的真相，需要我们下切思维，把事物切细了分析，把过程拆分细了分析。 此时 关键是要知道数据的构成、分解数据的手段、对分解后的数据的重要程度的了解。也就是说那些数据需要分解分析？ 这也如同 显微镜原理 四、求同思维 当一堆数据摆在我们面前时，表现出各异的形态，然而我们却要在种种的表象背后，找出其有共同规律的特点。 关键是找到共性的东西进行分析，还要客观。 八、离开思维 通过数据分析，你发现你处在一个不太有利的地位，那么，此时，你就要有离开思维去替你想办法，离开困境 。 关键是学会自我调节，自我放松。 实际情况如：遇到难解的结，你怎么办？
75940发布于 2018-04-18 - 来自专栏简说基因
一键分析10X单细胞数据
今天我们来介绍一种更为简单的方法：一键处理 10X 下机数据。 STARSolo 分析 10X 基因组学的 v3 化学版本数据。 可以看到，该流程主要调用 RNA STARSolo 进行数据处理，最后将 log文件和 gene counts 文件交给 MultiQC 进行汇总。 运行流程 运行流程非常简单，这也是一键分析的含义。 只需要设置： • 参考基因组（可以是服务器内置的，也可以是自己上传的） • GTF文件（可以自行上传，或使用平台提供的） • Barcode文件（来自于10X下机数据） • cDNA文件（来自于10X下机数据 如果下机数据有多条 Lane，可以直接使用 RNA STARsolo 工具进行分析： https://usegalaxy.cn > 工具 > RNA STARSolo
34910编辑于 2025-01-08 - 来自专栏CSDNToQQCode
Python可视化数据分析10、Matplotlib库
Python可视化数据分析10、Matplotlib库 前言 博客：【红目香薰的博客_CSDN博客-计算机理论,2022年蓝桥杯,MySQL领域博主】 ✍本文由在下【红目香薰】原创，首发于CSDN ✍ 2022年最大愿望：【服务百万技术人次】 Python初始环境地址：【Python可视化数据分析01、python环境搭建】 ---- 环境需求 环境：win10 开发工具：PyCharm Community Edition 2021.2 数据库：MySQL5.6 ---- 前置环境 pip3 config set global.index-url https://repo.huaweicloud.com 散点图可以提供两类关键信息： 特征之间是否存在数值或者数量的关联趋势，关联趋势是线性的还是非线性的 如果某一个点或者某几个点偏离大多数点，则这些点就是离群值，可以进一步分析这些离群值是否在建模分析中产生很大的影响 Y = np.arange(-2, 2, 0.1) # Y坐标数据 X, Y = np.meshgrid(X, Y) # 计算3维曲面分格线坐标 # 用于计算X/Y对应的Z值 def f(x,
1.1K20编辑于 2022-11-30 - 来自专栏数据科学（冷冻工厂）
ChIP-seq 分析：数据与Peak 基因注释（10）
数据 今天，我们将继续回顾我们在上一次中研究的 Myc ChIPseq。这包括用于 MEL 和 Ch12 细胞系的 Myc ChIPseq。 可在此处[1]找到 MEL 细胞系中 Myc ChIPseq 的信息和文件 可在此处[2]找到 Ch12 细胞系中 Myc ChIPseq 的信息和文件 在数据目录中，我们按照上一节中概述的处理步骤提供了来自 基因注释 由于转录因子，如名称所示，可能调节其靶基因的转录，我们使用 ChIPseeker 包将代表潜在转录因子结合事件的峰与其重叠或最接近的 mm10 基因相关联。 library(TxDb.Mmusculus.UCSC.mm10.knownGene) library(ChIPseeker) peakAnno <- annotatePeak(macsPeaks_GR annoDb="org.Mm.eg.db") peakAnno 这使我们能够生成峰及其预测目标基因的 GRanges 或数据框。
66650编辑于 2023-03-21 - 来自专栏Python大数据分析
seaborn常用的10种数据分析图表
内置示例数据集 seaborn内置了十几个示例数据集，通过load_dataset函数可以调用。 其中包括常见的泰坦尼克、鸢尾花等经典数据集。 # 查看数据集种类 import seaborn as sns sns.get_dataset_names() import seaborn as sns # 导出鸢尾花数据集 data = sns.load_dataset sns.scatterplot import seaborn as sns sns.set() import matplotlib.pyplot as plt %matplotlib inline # 小费数据集 as sns sns.set() import matplotlib.pyplot as plt %matplotlib inline uniform_data = np.random.rand(10 inline titanic = sns.load_dataset("titanic") ax = sns.countplot(x="class", data=titanic) plt.show() 10
92461编辑于 2022-04-03 - 来自专栏Datawhale专栏
近10年学术论文的数据分析！
本文使用arXiv公开的论文数据集，聚焦2008年-2020年计算机各个方向论文数据，对其进行了数据探索性分析和可视化分析，什么是2020年最火的方向，排名前五的又是哪些呢？ 一起来看看结论和数据分析过程。 1.3 取data的子集进行处理 抽取数据的5%进行分析，否则数据量太大，处理时间太长。 (89846, 10) 1.6 存储转换后的数据，后面可以直接进行读取 data_merge.to_csv('D:/Code/Github/data/data_subset_merge.csv',index = False) 二、 数据探索性分析 2.1 查看数据的缺失信息 可以看到group_name之后的部分列，都有缺失数据 data_merge.info() 2.2 统计不同大类的论文数量
93720发布于 2021-01-20 - 来自专栏商业智能方案
网易数据分析高级总监：10年数据分析老司机的深度思考
我在企业里从事数据相关的工作已经有11年了，在这些年里，我做过咨询顾问、数据分析师、售前工程师、开发工程师、数据分析经理直至总监。 在管理岗上，我带过数据分析、数据挖掘、数据产品、数据仓库等各种团队，其中带数据分析团队时间是最长的，先后就职于国企、传统制造业和互联网企业。 总的来说，比较杂，现在想来其实有得有失。 此类分析通常比较宏观，需要分析者有大局观、有战略思维 所用的数据除了公司内部的数据，还需要竞品数据、行业数据 战略分析的方法：需要从竞品及行业数据中发现行业发展趋势及竞品的战略定位，同时结合公司内部数据 需要分析者对公司业务模式、运营细节有深入的了解 使用的数据以公司内部数据为主 此类分析最重要的是，分析结果要能够与运营结合，并能有效落地 2、服务的部门不同：业务、数据 业务分析： 此类分析由业务部门发起 分析者只需要关注非常具体的某个业务环节，让大家感兴趣的是这个业务环节数据的变化原因和改善方式 数据分析师团队的分工与合作 个人感觉分析师团队很不好带，数据分析师团队最大的三个痛点是： 三：在公司级别的团队中表现尤其显著
63530发布于 2021-01-15 - 来自专栏肉眼品世界
网易数据分析高级总监：10年数据分析老司机的深度思考！
后面我预计要分享的内容包括数据分析、产品、仓库、数据团队建设等等。个人经验最多的是数据分析，就从这里开始吧。可能包括以下话题： 什么是数据分析？ 数据分析有哪些分类？ 如何设定分析目标？ 怎样才算是一个合格的数据分析师？ 什么样的企业需要数据分析师？ 怎样建立一个数据分析师团队？ 数据分析师团队的价值是什么？如何实现？ 数据分析师团队的岗位设置及分工合作 一篇好的分析报告有什么样的标准？ 数据分析三元论（势、道、术） 什么是数据分析 一句话定义，数据分析是一个从数据中通过分析手段发现业务价值的过程。 业务价值实现：业务价值发现和实现经常不被包含在数据分析过程中。但是，就如同我对数据分析的定义，业务价值才是数据分析的终极目的。 此类分析通常比较宏观，需要分析者有大局观、有战略思维； 所用的数据除了公司内部的数据，还需要竞品数据、行业数据。
79020发布于 2020-11-11 - 来自专栏Java架构师必看
spring源码分析10
spring源码分析10 强烈推介IDEA2020.2破解激活，IntelliJ
34730发布于 2021-04-13 - 来自专栏学习笔记ol
框架分析（10）-SQLAlchemy
框架分析（10）-SQLAlchemy 主要对目前市面上常见的框架进行分析和总结，希望有兴趣的小伙伴们可以看一下，会持续更新的。希望各位可以监督我，我们一起学习进步。 特性分析 ORM支持 SQLAlchemy提供了一种将数据库表映射到Python类的方式，使得开发者可以使用面向对象的方法来操作数据库。通过定义模型类和属性，可以轻松地进行数据库的增删改查操作。 数据库适配器 SQLAlchemy支持多种数据库，包括MySQL、PostgreSQL、SQLite、Oracle等。它提供了不同数据库的适配器，使得开发者可以在不同的数据库之间无缝切换。 数据库连接池 SQLAlchemy提供了一个数据库连接池，可以管理数据库连接的创建和回收。连接池可以提高数据库的性能和并发处理能力，同时也可以减少数据库连接的开销。 数据库迁移 SQLAlchemy提供了一个数据库迁移工具，可以帮助开发者管理数据库结构的变化。通过使用数据库迁移工具，可以自动创建和更新数据库表结构，而不需要手动编写SQL语句。
78120编辑于 2023-10-11 - 来自专栏人生代码
利用Python进行数据分析(10) pandas基础: 处理缺失数据
数据不完整在数据分析的过程中很常见。 pandas使用浮点值NaN表示浮点和非浮点数组里的缺失数据。 pandas使用isnull()和notnull()函数来判断缺失情况。 对于缺失数据一般处理方法为滤掉或者填充。 滤除缺失数据：dropna()函数 对于一个Series，dropna()函数返回一个包含非空数据和索引值的Series，例如： ? 对于DataFrame，dropna()函数同样会丢掉所有含有空元素的数据，例如： ? 但是可以指定how='all'，这表示只有行里的数据全部为空时才丢弃，例如： ? 填充缺失数据：fillna()函数 如果不想丢掉缺失的数据而是想用默认值填充这些空洞，可以使用fillna()函数： ? 如果不想只以某个标量填充，可以传入一个字典，对不同的列填充不同的值： ?
61520发布于 2019-10-15 - 来自专栏PPV课数据科学社区
想做数据分析师？先弄懂这10种分析思维吧
该思维方法的关键是：建立长远目标、全局观念、整体概念、完整地分析数据，不做井底之蛙。 三、下切思维 数据是一个过程的结果反映，怎样通过看数据找到更多的原因以及隐藏在现象背后的真相，需要我们下切思维，把事物切细了分析，把过程拆分细了分析。 此时 关键是要知道数据的构成、分解数据的手段、对分解后的数据的重要程度的了解。也就是说那些数据需要分解分析？ 这也如同 显微镜原理 四、求同思维 当一堆数据摆在我们面前时，表现出各异的形态，然而我们却要在种种的表象背后，找出其有共同规律的特点。 关键是找到共性的东西进行分析，还要客观。 八、离开思维 通过数据分析，你发现你处在一个不太有利的地位，那么，此时，你就要有离开思维去替你想办法，离开困境 。 关键是学会自我调节，自我放松。 实际情况如：遇到难解的结，你怎么办？
56850发布于 2018-04-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号