AnnData对象处理

AnnData是python中存储单细胞数据的一种格式，常用于scanpy。

1、认识结构

基本结构如下：

参考链接：https://cellgeni.readthedocs.io/en/latest/visualisations.html
4个重要的构成：

• X contains the expression matrix.
• obsm contains the embeddings data.
• obs contains the cell metadata.
• var contains the gene metadata.
  我们可以一块一块地来理解这个图：

• 首先是.var这部分是variables/features也就是基因的注释信息，存储数据结构是panda 数据框。接着我们看这个数据框的横坐标和纵坐标，横坐标标注的是 variable 1、variable 2、... variable n_var，表示的就是每个基因名称，纵坐标就是每个基因的注释信息；
• 接着来看下面这个.X。看大小就知道是个大家伙，是基因-细胞的表达量大矩阵。存储数据结构是numpy array是一个稀疏矩阵。接着我们一样的来看横坐标和纵坐标，横坐标和.var的是一致的，纵坐标是observation 1、observation 2、... observation n_obs，表示的是每个细胞的名称
• 然后是.obs数据，是细胞的注释信息等。存储结构是panda 数据框。横坐标是不同的细胞注释结果，纵坐标是细胞名称。
• 最后就是.uns，这个是一个字典的结构，没有特定的大小。存储的是一些计算结果。
  其实除了这些之外可能还有别的结构，可以直接输入变量之后回车就可以看到，可以使用type(data.<数据块>)来查看变量的类别。
  
  示例

2、信息提取

注意这里是python环境哈

# 数据数目统计
data.n_obs  # 返回细胞数 2695
data.n_vars  # 返回基因数 18270
data.shape # (2695, 18270)
data.T  # 基因和cell转置矩阵，用的好像不多？
data.to_df()  # 转成矩阵，列为基因，行为细胞。可以使用data.T.to_df()就可以转成行为细胞，列为基因的矩阵了

# 数据键值提取
data.obs_keys() # 细胞注释信息的keys，比如 ['ClusterID', 'ClusterName', 'SCT_snn_res_0_8', 'nCount_SCT', 'nCount_Spatial', 'nFeature_SCT', 'nFeature_Spatial', 'orig_ident', 'seurat_clusters', 'imagecol', 'imagerow'']
data.obs_names  # 返回细胞ID 数据类型是object
data.var.index  # 返回基因 数据类型是object
data.var_names.to_list()  # 返回基因 数据类型是list
data.obs.head() # 查看前5行的数据

# 其他的数据组成也可以使用

也可以使用data.然后输入Tab来查看可以使用的函数或变量，大家可以摸索下：

AnnData数据包含的用法

当然，使用比如data.obs然后输入Tab来查看当前data.obs数据可以使用的函数，有很多，大家不知道怎么处理的时候可以看看。

3、提取子数据

# 先获取cell或者gene list
gene20 = data.var_names.to_list()[:20]
data[:,gene20]  #  2695 x 20
cell20 = data.obs_names.to_list()[:20]
data20 = data[cell20,gene20]  # 20 x 20