anndata - 注释数据

anndata 是一个 Python 软件包，用于在内存和磁盘上处理注释数据矩阵，介于 pandas 和 xarray 之间。anndata 提供了广泛的计算高效功能，包括稀疏数据支持、惰性操作以及 PyTorch 接口等。

• 在 GitHub 上讨论开发。
• 阅读 文档。
• 在 scverse Discourse 上提问。
• 可通过 pip install anndata 或 conda install anndata -c conda-forge 安装。
• 关于单细胞数据的使用，请参阅 Scanpy 的文档。anndata 最初就是为 Scanpy 构建的。

anndata 是 scverse® 项目的一部分（官网，治理结构），并由 NumFOCUS 提供财政赞助。如果您喜欢 scverse® 并希望支持我们的使命，请考虑向其进行可抵税的 捐赠，以帮助项目支付开发人员时间、专业服务、差旅、研讨会以及其他各种需求。

公开 API

我们的公开 API 在本文档的 [API 部分][] 中有详细说明。我们无法保证内部 API 的稳定性，无论是函数的位置、参数还是其他方面。换句话说，我们并不正式支持（也不鼓励用户这样做）类似 from anndata._core import AnnData 的用法，因为 _core 既未被文档化，又带有 [前导下划线][]。然而，我们意识到 [许多用户确实使用这些内部 API][]，因此鼓励他们 [提交问题][] 或迁移到公开 API。也就是说，如果我们在公开 API 文档中遗漏了某些内容，例如您希望公开提供的功能，请提交一个问题。

引用

如果您在工作中使用了 anndata，请按照以下方式引用 anndata 的相关论文：

anndata：注释数据

Isaac Virshup, Sergei Rybakov, Fabian J. Theis, Philipp Angerer, F. Alexander Wolf

JOSS 2024 年 9 月 16 日。doi: 10.21105/joss.04371。

您也可以引用 scverse 的相关论文：

scverse 项目为单细胞组学数据分析提供了一个计算生态系统

Isaac Virshup, Danila Bredikhin, Lukas Heumos, Giovanni Palla, Gregor Sturm, Adam Gayoso, Ilia Kats, Mikaela Koutrouli, Scverse 社区, Bonnie Berger, Dana Pe’er, Aviv Regev, Sarah A. Teichmann, Francesca Finotello, F. Alexander Wolf, Nir Yosef, Oliver Stegle & Fabian J. Theis

Nat Biotechnol. 2023 年 4 月 10 日。doi: 10.1038/s41587-023-01733-8。

anndata 快速上手指南

anndata 是一个用于处理内存和磁盘中带注释数据矩阵的 Python 包，定位介于 pandas 和 xarray 之间。它广泛应用于单细胞测序数据分析（如 Scanpy），支持稀疏数据、惰性操作及 PyTorch 接口。

环境准备

• 操作系统：Linux, macOS, Windows
• Python 版本：建议 Python 3.9 或更高版本
• 前置依赖：
  • numpy
  • pandas
  • scipy (用于稀疏矩阵支持)
  • h5py (用于磁盘存储)

注：安装时通常会自动解决上述依赖。

安装步骤

推荐使用国内镜像源加速安装。

方式一：使用 pip (推荐)

pip install anndata -i https://pypi.tuna.tsinghua.edu.cn/simple

方式二：使用 conda

conda install anndata -c conda-forge

注：conda-forge 源若下载缓慢，可配置清华或中科大镜像通道。

基本使用

以下是最简单的创建和操作 AnnData 对象的示例：

import numpy as np
import pandas as pd
from anndata import AnnData

# 1. 准备数据
# X: 观测值矩阵 (例如：细胞 x 基因)
X = np.random.rand(100, 2000) 
# obs: 观测值注释 (行注释，例如：细胞类型、批次)
obs = pd.DataFrame({
    'cell_type': ['A'] * 50 + ['B'] * 50,
    'batch': ['batch1'] * 100
}, index=[f"Cell_{i}" for i in range(100)])
# var: 变量注释 (列注释，例如：基因名)
var = pd.DataFrame({
    'gene_name': [f"Gene_{i}" for i in range(2000)]
}, index=[f"ENSG{i}" for i in range(2000)])

# 2. 创建 AnnData 对象
adata = AnnData(X=X, obs=obs, var=var)

# 3. 基本操作
print(adata)
# 输出示例：AnnData object with n_obs × n_vars = 100 × 2000

# 访问前 5 行数据
print(adata.X[:5, :5])

# 筛选特定细胞类型的数据
adata_subset = adata[adata.obs['cell_type'] == 'A']
print(adata_subset)

# 4. 保存数据到磁盘 (h5ad 格式)
adata.write('my_data.h5ad')

# 5. 从磁盘读取数据
adata_loaded = AnnData.read_h5ad('my_data.h5ad')