- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据科学（冷冻工厂）
空间单细胞｜10x Visium数据分析、可视化与整合(2)
引言 本文[1]介绍了使用Seurat分析具有空间分辨率的RNA测序数据的方法，重点在于将空间信息与分子数据相结合。 将包括以下常见于空间数据分析的任务： 数据标准化 降维和数据聚类 发现空间变异性特征 与单细胞RNA测序数据的整合 处理多个样本切片 降维;聚类;可视化 然后，可以使用与 scRNA-seq 分析相同的工作流程 （使用 DimPlot()）中可视化聚类结果，或者使用 SpatialDimPlot() 将聚类结果叠加在图像上。 这在识别不同簇的空间分布时非常有用，正如在下面的示例中展示的那样。 brain, assay = "SCT", features = VariableFeatures(brain)[1:1000], selection.method = "moransi") 现在可视化通过该度量识别的前
55211编辑于 2024-07-16 - 来自专栏数据科学（冷冻工厂）
空间单细胞｜10x Visium数据分析、可视化与整合(1)
引言 本文[1]介绍了使用Seurat分析具有空间分辨率的RNA测序数据的方法，重点在于将空间信息与分子数据相结合。 将包括以下常见于空间数据分析的任务： 数据标准化 降维和数据聚类 发现空间变异性特征 与单细胞RNA测序数据的整合 处理多个样本切片 首先，将加载Seurat及其所需的其他包以进行本教程的操作。 您可以利用Seurat中的Load10X_Spatial()函数将其导入。该函数能够读取spaceranger流程的输出结果，并生成一个包含点级表达数据和相应组织切片图像的Seurat对象。 brain <- SCTransform(brain, assay = "Spatial", verbose = FALSE) 基因表达可视化 Seurat的SpatialFeaturePlot()函数是对 您可以尝试将alpha参数设置为c(0.1, 1)，这样可以降低那些表达量较低的点的透明度，使得可视化效果更加突出。
56010编辑于 2024-07-16 10X空间转录组数据中研究并可视化体细胞突变
确定这些亚克隆的空间分布有助于确定影响基因表达异质性的遗传和非遗传因素的相对贡献。这里，研究在Visium平台生成的空间转录组数据中可视化体细胞突变。 非癌组织区域的突变reads密度(每平方毫米1.45个突变点)比组织区域外的突变reads密度高约10倍。综上所述，mRNA的扩散不太可能解释正常区域突变reads的数量。 mutations are detectable in spatial transcriptomics dataVisualization of copy number alterations in 10X FFPE样本进行检测CNV Copy number alterations are detectable in tumors profiled on the FFPE-Visium platform. 10X Genomics Visium数据中等位基因失衡的可视化接下来测试了等位基因失衡是否可以在空间转录组数据中检测到。
46220编辑于 2024-03-26- 来自专栏风吹杨柳
opencv 10 -- 图像 颜色空间转换
颜色空间，常见的有三种模式： 灰色图 BGR HSV 备注：在opencv里面，BGR，这个顺序要注意的，常见的是RGB的称呼 经常用到的 两种：BGR↔Gray 和 BGR↔HSV 函数是：cv2
2.9K30发布于 2019-07-08 - 来自专栏数据小魔方
空间数据可视化笔记——simple features空间对象基础
---- 当今互联网和大数据发展的如此迅猛，大量的运营与业务数据需要通过可视化呈现来给商业分析人员提供有价值的决策信息，而地理信息与空间数据可视化则是可视化分析中至关重要而且门槛较高的一类。 但是R语言和Python等免费开源软件在近两年随着大数据热潮迅猛发展，其内部生态系统对空间数据可视化的支持越来越完善，而空间数据可视化的前沿应用技术和高性能存储方案随着硬件条件的改善都不再成问题。 R与Python均提供有可以定制可视化应用的成熟框架。 ---- 今天这一篇跟大家分享空间数据可视化应用的前沿基础理念，以R语言为主，最后会贯穿一下Python中的简单实现。 WKB/WKB与原生R对象之间的转换： st_as_sfc("LINESTRING(10 5, 9 4, 8 3, 7 2, 6 1)")[[1]] LINESTRING (10 5, 9 4, 8 3 R语言可视化——关于ggplot所支持的数据地图素材类型 左手用R右手Python系列12——空间数据可视化与数据地图 ----------------------- Python: --------
2K51发布于 2018-04-11 - 来自专栏数据处理
tensorflow变量命名空间与可视化
variable_scope 使用tf.variable_scope定义的命名空间，只要空间名称不同，定义的变量互不干挠，即使函数name参数相同 如果是在相同命名空间下， 如果是不可重用的(reuse name_scope 使用name_scope命名空间 get_variable不受name_scope命名空间约束 Variable受命名空间约束，但可以自己解决冲突 import tensorflow 总结两个命名空间的作用不同 variable_scope与get_variable搭配使用可以使得共享变量 name_scope主要用来tensorboard可视化 tensorboard可视化 加入命名空间，tensorboard可视化将非常有层次感，更清晰 ops.reset_default_graph() sess = tf.InteractiveSession() def practice_num_modify (): #将输入定义放入各自的命名空间中，从而使得tensorboard可以根据命名空间来整理可视化效果图上的节点 # 练习1: 构建简单的计算图 with tf.name_scope
1.2K60发布于 2018-06-07 - 来自专栏c++与qt学习
vector容器10之预留空间
预留空间 功能描述：可以减少动态扩展容量时的扩展的次数 函数原型： ? 未预留空间前，查看动态扩展次数： #include<iostream> using namespace std; #include<vector> //vector之预留空间 void realApply () { //查看动态扩展容量的次数 //原理：每次扩展都会开辟空间更大的内容，地址会改变，里面每个元素地址也会改变 int num = 0; int* p = NULL; vector<int 预留空间后，查看动态扩展次数： #include<iostream> using namespace std; #include<vector> //vector之预留空间 void realApply 如果数据量较大，可以提前用reserve预留空间，减少扩展次数，提高程序运作速度
48910发布于 2021-03-02 - 来自专栏单细胞天地
10X空间转录组WORKFLOW
前言 记得我们在ST Pipeline||空间转录组分析流程(https://www.jianshu.com/p/7b5d145a515a)讲过，空间转录组就是把之前的单细胞的cell-gene矩阵转化为 今天让我们来看看空间转录组的一般流程吧。 1. Histology ? 将准备好的新鲜冷冻组织切片放置于空间转录组芯片上。每个细胞中的RNA分子都包含着基因表达的信息。组织切片成像，以检索组织学信息。 空间转录组芯片上含有上千个捕获的spot，这些捕获探针的 Poly-T 尾可以结合RNA分子的 Poly-A 尾。
1.1K20发布于 2020-03-30 - 来自专栏生信技能树
10X空间转录组WORKFLOW
前言 记得我们在ST Pipeline||空间转录组分析流程(https://www.jianshu.com/p/7b5d145a515a)讲过，空间转录组就是把之前的单细胞的cell-gene矩阵转化为 今天让我们来看看空间转录组的一般流程吧。 1. Histology 将准备好的新鲜冷冻组织切片放置于空间转录组芯片上。每个细胞中的RNA分子都包含着基因表达的信息。组织切片成像，以检索组织学信息。 The Array 空间转录组芯片上含有上千个捕获的spot，这些捕获探针的 Poly-T 尾可以结合RNA分子的 Poly-A 尾。
78820发布于 2021-10-21 - 来自专栏C++/Linux
【Linux修炼】10.进程地址空间
虚拟地址空间 2.1 感性理解虚拟地址空间 2.2 如何“画饼” 2.3 地址空间的区域划分 3. 进程地址空间与内存的关系 3.1 虚拟地址和物理地址 3.2 多进程的映射关系 4. global_value: %p\n", getpid(), getppid(), global_value, &global_value); sleep(1); cnt++; if (cnt == 10 但是，这个男孩仍然经常不注意，由于体型原因总是越过这条线，于是就和女孩解释他也不是故意的，为了避免出现这种情况，女孩想了一个办法，各自将线退后5cm，余下的10cm就是缓冲地带，两个人都可以使用，这样也可以防止越界的情况发生 但即便这样，一段时间后，男孩更加肆无忌惮，女生忍无可忍，又提出改变了一次划分，只给男孩3/10的空间，越过了就揍男孩。 即如果内存中的某一个位置c=10，当我们编写代码时，代码的数据首先会被加载到虚拟地址中，通过页表的映射，映射到了相应的物理地址，假设机缘巧合下恰好映射到了如上图的位置，就会将原有的数据修改为新的数据，而这个映射的虚拟地址和物理地址之间也肯定是不同的
1.5K00编辑于 2023-03-28 - 来自专栏凹凸玩数据
R可视化 | 地理信息空间（上）
文件格式与函数方法关系图 1.5 上手实战 设计目的：进行地理文件的加载、数据转换及基础处理，将地理信息数据与业务数据的融合（sp与sf数据模型），添加地理标签，应用地理坐标轴，最终完成一个地理空间可视化的小 1、从阿里地图下载省级地图，加载并实现地图可视化，在绘图前先做一些准备工作： library("ggplot2") library("rgdal") library("sf") library("sp" dplyr') library("data.table") #fread函数用于读取CVS表格 library("ggrepel") rm(list = ls()) gc() setwd("D:/空间可视化与地理基础 《R语言数据可视化之美-专业图表绘制指南(增强版)》第11章 地理空间型图表: https://www.cnblogs.com/zzj420133722/p/13789195.html
1.5K31发布于 2020-10-27 - 来自专栏人工智能与演化计算成长与进阶
Tensorflow 命名空间与计算图可视化
计算图中的节点和边直接可视化，它会根据每个 Tensorflow 计算节点的命名空间来整理可视化得到效果图，使得神经网络的整体结构不会被过多的细节所淹没。 为了更好的组织可视化效果图中的计算节点，Tensorboard 支持通过 Tensorflow 命名空间来整理可视化效果图上的节点。 在 Tensorboard 的默认视图中，Tensorflow 计算图中同一个命名空间下的所有节点会被缩略为一个节点，而顶层命名空间的节点才会被显示在 Tensorboard 可视化效果图中。 除了手动的通过 TensorFlow 中的命名空间来调整 TensorBoard 的可视化效果图，TensorBoard 也会智能地调整可视化效果图上的节点.TensorFlow 中部分计算节点会有比较多的依赖关系 注意 TensorBoard 不会保存用户对计算图可视化结果的手工修改，页面刷新之后计算图可视化结果又会回到最初的样子。 ? ?
1.1K30发布于 2020-08-14 - 来自专栏数据科学（冷冻工厂）
空间转录组: 反卷积及可视化
引言 本系列讲解 空间转录组学 (Spatial Transcriptomics) 相关基础知识与数据分析教程[1]，持续更新，欢迎关注，转发，文末有交流群！ 首先，我们重命名 CARD 的空间坐标列。 legend.key.height = unit(1, "lines")) & scale_color_gradientn(colors = pals::jet()) } 我们可以在 x-y 空间中对反卷积权重进行可视化 为了与 10x Genomics 提供的 spot 注释进行比较，我们纳入了由 RCTD 反卷积得出的细胞类型。 names(ids_no_stroma) <- rownames(ws) vis$RCTD_no_stroma <- factor(ids_no_stroma[colnames(vis)]) 我们可以在空间上可视化这三个注释
1.7K10编辑于 2025-09-17 - 来自专栏相约机器人
可视化流式地理空间数据
github.com/jgraham0325/streaming-visualization 现场演示： https://streaming-visualisation.appspot.com/ 用例 能够可视化流式地理空间数据可以解决实际问题的原因有很多 http://www.weatherbug.com/ 技术选择 有许多商业产品能够近乎实时地显示地理空间数据。 使用three.js的2D WebGL热图 Leaflet.heat插件：这可以在不到1秒的时间内下载并渲染超过10K的点数。 但是，渲染10K点需要2-3秒，并且由于每次添加数据点时都不能很好地处理流数据，因此需要刷新图层。将此替换为下面提到的PruneCluster实现。 ? 结论 地理空间可视化数据可以解锁可能会错过的有价值的见解。只需极少的努力和慷慨的开源社区，就可以创建强大的可视化而无需花一分钱！
4.8K21发布于 2019-06-21 - 来自专栏庄闪闪的R语言手册
空间地理数据可视化之 mapview 包
这是《Geospatial Health Data》[1]一书中关于空间地理数据可视化 中所提到的最后一个 R 包，关于 mapview 包的更多内容，可进入mapview官网[2]探索学习。 1. 基本画图设置 mapview 包允许快速创建交互式可视化地图，以研究数据中的空间几何特征和变量。 本篇是空间地理数据可视化系列的第五期，主要由 林华师 制作。本系列的宗旨是带你系统学习如何使用 R 对空间地理数据进行可视化。 Rmarkdown 视频新增两节视频（写轮眼幻灯片制作）需要视频内的文档，可在公众号回复【rmarkdown】 可视化推文推荐 R可视乎｜空间地理数据可视化（1） 空间地理数据可视化之 ggplot2 包及其拓展 空间地理数据可视化之 tmap 包及其拓展
1.8K20发布于 2021-10-22 - 来自专栏用户6291251的专栏
空间数据可视化神器，Pydeck！
今天给大家介绍一款超赞的空间（地理）数据可视化神器：Pydeck。 Pydeck库通过deck.gl对数据进行空间可视化渲染，对3D的可视化支持非常强。 -symlink --overwrite --py pydeck jupyter nbextension enable --sys-prefix --py pydeck 接下来，就给大家介绍一下相关的可视化案例 , highlight_color=[255, 255, 0], picking_radius=10, auto_highlight=True, pickable=True the viewport location view_state = pdk.ViewState(latitude=37.7749295, longitude=-122.4194155, zoom=10 渲染了10k个点。 1906年，Britton&Rey绘制的旧金山1906年火灾地图，覆盖在交互式的旧金山地图上。 台北房价。数据为2012-2013年。
2.5K50编辑于 2022-02-17 - 来自专栏凹凸玩数据
R可视化 | 地理信息空间（下）
作者：张同学 来源：凹凸数据 前文：R可视化 | 地理信息空间（上） 如果对R可视化感兴趣的同学，记得看下积分商城，限时300兑换R可视化书籍 ? 对上图实现的地图可视化，添加业务信息： 实现连续量的填充。 《R语言数据可视化之美-专业图表绘制指南(增强版)》第11章 地理空间型图表: https://www.cnblogs.com/zzj420133722/p/13789195.html
94210发布于 2020-10-27 - 来自专栏运维记录点滴
升级Windows 10后释放C盘空间
相信大家在微软免费推送升级Windows 10浪潮中，大多数朋友都从Windows 7或Windows 8.1顺利升级到了Windows 10，对于那些原来C盘空间就捉襟见肘的人来说，升级过程中产生的较大的临时 Windows 安装文件和升级文件，及旧版本文件，如果你想释放C盘空间，又不不想回滚到以前的操作系统，请按照如下步骤操作，让C盘空间回归。 磁盘清理后，再看C盘是不是空间又回来了。
1.4K20发布于 2019-03-05 - 来自专栏游戏开发司机
C++(STL):10---vector空间分配
注意：vector动态增加大小时，并不是在原空间之后持续新空间（因为无法保证原空间之后尚有可供配置的空间），而是以原大小的两倍另外配置一块较大的空间，然后将原内容拷贝过来，然后才开始在原内容之后构造新元素 倍数方式空间拷贝数据次数 假设vector初始的capacity=10，size=0，总共有100个元素，以2倍的形式增长。换算下来大概是需要进行5次扩容。 这样的话，相当于旧空间数据到原空间数据的拷贝有5次。 固定个数方式空间拷贝数据次数 假设vector初始的capacity=10，size=0，总共有100个元素，每次以10个元素个数的形式增长。 （每次新增10个空间）。所以这次的扩容次数为 100/10 = 10次，也就是说， 插入100白个元素，需要扩容10次。 但是，如果n=1000的情况下， 以个数形式进行扩容就不能在为10了，否则拷贝空间次数将会太多 有的小伙伴要问：但是可以取100呀，想想，如果n=10的情况下，取100又不太合适，所以，以个数的形式来进行扩容显然不符合所用
1.4K20发布于 2021-02-03 - 来自专栏爱可生开源社区
第10期：选择合适的表空间
MySQL 表空间可分为共享表空间和单表空间；其中共享表空间又可分为系统表空间和通用表空间。 下面我来逐一看下每种表空间的相关特性。 923275 12M -rw-r----- 1 mysql mysql 12M 3月 18 10:42 ibdata1 这个文件就是 MySQL 的系统表空间文件，默认为 1 个，可以有多个，只需要在配置文件 对多张表的写入数据依然是顺序写，这就致使 MySQL 发布了单表空间来解决这两个问题。 二、单表空间 单表空间不同于系统表空间，每个表空间和表是一一对应的关系，每张表都有自己的表空间。 和系统表空间类似，不会自动收缩磁盘空间； 和系统表空间类似，可以重命名表空间名字； 和单表空间类似，可以很方便把表空间文件定义在 MySQL 数据目录之外； 比单表空间占用更少的文件描述符，但是又不能像单表空间那样移植表空间 ： 系统表空间无法销毁，除非把里面的内容全部剥离出来； 单表空间如果表被删掉了，表空间也就自动销毁；或者是表被移植到其他表空间，单表空间也自动销毁。
89310发布于 2020-08-11
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