【原】生信分析人员如何系统入门python（2019更新版）

健明 2021-07-14

展开全文

继生信分析人员如何系统入门R(2019更新版) 和生信分析人员如何系统入门Linux(2019更新版) 后又一重磅指南！
作为一个生信老人，我自己是没有太多时间分配给python学习啦，所以本文特邀技能树团队脑图大神给大家设计了17套python入门思维导图，文末有领取方式哈！
并系统性介绍了python学习指南。

引言

一般来说，使用 Python 做生信有两种情况：一种是专门分析生物学数据（主要是各种组学），以调包为主，日常工作就是熟悉各种包的文档，写各种脚本串联工具分析流程，大部分写的都是以快速实现为目的的即用即弃小脚本，对 Python 要求并不高，掌握最核心的语法就可以解决大部分问题，甚至面向对象这部分的编程都较少涉及。

另一种则是以开发工具算法，写包为主，也就是提供工具给前一种工作者使用，这就需要良好的数理基础，对编程也有更高的要求，毕竟软件运行时的效率也是很重要的。

Python 相关的知识点非常多，本篇文章既然是“生信工程师如何入门”系列，自然是抛砖引玉为主，帮助不了解 Python 的同学建立一个领域的概念，并可以据此开始自己的 Python 之旅。

Python 是什么？

Python 是一种面向对象、解释型计算机程序设计语言。Python 语言的哲学也颇具玩味，在这里和大家分享一下：

There should be one -- and preferably only one -- obvious way to do it.

这一点和 Perl 有着很大的差异，Perl 往往有多种实现目的的方式（而且即兴写出来的代码很容易在几个月后看不懂）。

Python 和 Perl 用哪个好？我自己是写 Python 为主的，Perl 一直只有勉强读懂的水平，因此无法做深入的评价。单从生信常用的编程任务而言，两者实现的逻辑是非常相似的（或者说，编程本身的实现逻辑理念都是近似的）。

另外，当你的程序有更高的复杂度需求时，也可以充分利用 Python 面向对象的特性，将生物信息的数据对象化，这种可重用机制在较为复杂的大项目中是可以显著提高效率的。

这里附上的是截止 2019 年 9 月的编程语言排行榜，可以看到 Python 已经是最流行的脚本编程语言。

为什么要用 Python

Python 语法简单，容易学习，工整的程序格式使其可读性非常强，并且易于维护。此外，它也可以很好的支持对象、模块和其他可重用机制，并支持 C 语言模块拓展。Python 有大量免费、稳定的第三方模块，并有方便的包管理工具（pip）。

它最大的缺点可能就是程序运行慢。

Python 可以实现的功能基本用 Perl 也能实现，强制缩进很容易让习惯使用 Perl 的你感觉有约束感。但 Python 工整的语法让你即使过很长时间，还能轻松读懂自己的代码，也可以在学习其他人的代码时有流畅的感受。

生物信息是一个交叉学科，Python 为我们实现各种不同目的的需求提供了充分的支持，不管你是想进行常规的文本处理，还是进一步进行深度的科学计算，亦或是将流行的各种算法应用于项目中。

Step0：学习前的准备

Python 可在官网下载：https://www./，当然更建议的方式是直接安装 Anaconda。Anaconda 是 Python 的一个发行版本，专注于数据分析，包括了常见的科学计算类库和包管理器 conda。此外，Anaconda 也深度整合了 R。

0.0 版本问题

Python 包括 2.* 版本和 3.* 版本，两者有部分语法不同且不兼容，推荐使用 3.* 版本。

0.1 代码编辑器的选择

代码编辑器可选用 Visual Studio Code、SubLime Text、Atom、PyCharm 等等，反正各有优势，网络上有很多评测文件，可以去看看，选用一个合适的。我自己常用的是 Visual Studio Code，安装了一系列插件，用起来很顺手。如果是做数据分析，可以用 Jupyter Notebook，混写思路说明文档、代码和结果展示，不管是交流还是保存中间结果都是非常便利的。

0.3 寻求帮助

任何一个关键词，都可以用 help(kyeword) 获得内置帮助文档。

在 IPython 环境下，支持直接使用 ?keyword 获取帮助信息。

Step1：学习基本语法

对于有编程基础的朋友，这一部分大致看一遍就可以上手了，在实践中熟悉语言的特性即可。毕竟只要有编程思想的底子在，做起来还是很快的。

缩进：定义作用域的方式，通常为 4 个空格。相同缩进的行被认为是在相同的作用域中。
赋值：使用 "="，初次赋值时不需要给出具体的类型，由等号右边的值决定变量的类型。
运行程序有两种模式：「脚本式编程」就是你预先写好代码文件，然后一次性执行；「交互式编程」则是逐行输入，按下 Enter 键即执行。

变量 & 运算

包括数字（Number）、字符串（String）、元组（Tuple）、列表（List）、字典（Dictionary）、集合（Sets），另外还包括了一个特殊空值（None）。
a = 100 ## 整型 b = 1.0 ## 浮点型 a = 'abc' ## 字符串 a = True ## 布尔值 a = None ## 空值 eg_tuple = (1, 2, 3) ## 元组 eg_list = [1, 2, 3] ## 列表 eg_dict = {'ele1':1, 'ele2':2, 'ele3':3} #词典

字符串、列表、元组为「序列对象」，可以通过「下标偏移量」访问。
元组（Tuple）、列表（List）、字典（Dictionary）、集合（Sets）为「容器」，可收纳多个数据。

每种数据类型都内置了丰富的函数，你可以在实践的过程中慢慢熟悉。这里要善用 tab 键。比如你已经定义了一个变量 a = 100，想查看可以使用哪些方法，就可以输入 a. + tab，Python 会有提示。IPython 和代码编辑器会自动给出提示。

这里还需要了解一下可变数据类型 & 不可变数据类型这两种概念。可变数据类型允许在创建后被重新修改（列表、集合、字典）。不可变数据类型在赋值后无法被修改，只能被重新创建（除外上述类型）。

标准类型操作符

利用 Python 可以进行数值运算、逻辑运算、判断表达式。

控制结构

这一部分也和各种编程语言大同小异，主要需要学习条件表达式，if 语句，for 循环，while 循环，以及循环控制关键词（break，continue，pass）。

## 简单 if 语句
if condition_test:
    statement
## for 循环
for i in 序列：
    statement
## while 循环
while condition:
    statement
## 三元操作符
X if C else Y

Step2：函数、模块

函数和模块实质上是将成块的指令封装成可以重复调用的代码块，并借着函数名和模块名，给了一套未来调用的接口。

函数

## 定义函数
def eg_function(a, b):
    c = a + b
    return c
## 调用函数
x = eg_function(3, 4)

传递给函数的参数形式，基本方法有基于顺序的位置传参和关键词传参，另外还有更灵活的包裹传参，可以进一步了解。

这里还可以学习一下「递归」的概念。递归是函数调用其自身的操作（在函数定义中，调用函数自身）。

模块

在 Python 中，一个 .py 文件就构成一个模块。通过引入模块，你就可以复用之前的 Python 程序，调用模块中的函数。模块实质上是比函数更高一层的封装模式。常见的功能编入模块就成为了所谓的库（library）。标准库就是 Python 官方提供的库。

## 引入模块
import module_name
## 引入某模块的函数
from module_name import function_name

那么 Python 如何能找到模块呢？主要是三个路径：

标准库的安装路径
环境变量 PYTHONPATH 所包含的路径
当前文件夹

由于 Python 在很多领域上的使用都是通过拓展包来实现的，是后续学习的基础。

这一部分需要掌握 pip 或 conda。以 pip 为例：

## 安装模块
pip install module
## 查看已安装模块
pip list
## 搜索某个模块
pip search module

接下去，你就可以按照需求学习各个感兴趣的领域相关包了。

Step3：Python 中的类和对象

Python 有一条哲学理念是：一切皆对象。由此可见对象在 Python 中的重要性。

之前描述的都是面向过程的编程范式，但 Python 可以用「对象」来构建更大的框架。用 Python 中的类（Class）具体说明一下：类就是对事物的抽象表达（比如我们把自然界的生物分类，植物、动物、细菌），子类也很好理解，就是类下更小一级的分类（动物类别下的爬行动物、哺乳动物、鸟类）。对每个类都可以定义属性和方法（鸟类属性：颜色；鸟类方法：吃、飞）。

## 定义类
class Bird(object):
    feather = True
    reproduction = "egg"
    def chirp(self, sound):
        print(sound)

上述例子中，用关键词 class 定义了一个类，名字是 Bird，括号里有一个关键词 object，然后分别定义了两个属性 feather 和 reproduction 及一个函数 chirp。

## 创建对象
mypet = Bird()
## 调用对象的方法
mypet.chirp('gaga') ## 打印输出 'gaga'

另外，列表、元组、字符串、词典都是对象，甚至函数、模块也都是，均可以查询到相应的属性和方法。

Step4：更多的应用场景

Python 可以应用的场景很多，大多是通过拓展包的方式实现的。下面列举了一些生信可能会用到的场景，有需求的朋友可以进一步学习，由于篇幅限制，只做简单的介绍。

文本处理

这应该是生信应用场景中最频繁出现的了。需要学习一下文本对象的创建（open），文件操作常常和上下文管理器一起使用。

## 常规文件操作
infile = open(text_file, 'r')
execution_code
infile.close()

## 使用上下文管理器
with open(text_file, 'r') as infile:
    execution_code

这里是为了自动关闭文件（一个很容易被遗忘的操作）。接着你需要学习一下包 re 来处理正则表达式。

生物信息

Biopython 有很多功能，比如将生物信息学文件解析成 Python 可用的数据结构，继而可以被循环 or 索引。还提供了常见在线生物信息学程序的接口（如 NCBI、ExPASy 等）。这里不做更详细的介绍了，可以自行去查阅一下官方帮助文档（http://bio/DIST/docs/tutorial/Tutorial.html）。

Biopython 最大的价值在于帮助你集中注意力在解决需要回答的问题，而不是把过多精力分散到特定文件格式的解析中，大家可以类比其为R语言的bioconductor。

数据分析与可视化

NumPy 提供了高效的数据结构和方法，SciPy 提供了科学计算相关函数，Pandas 是一个综合数据分析包。还有做机器学习和深度学习的 scikit-learn 和 TensorFlow。数据可视化主要涉及 matplotlib、seaborn、pyecharts 等。

数据库与 Web 开发

主流数据库都有相应的 Python 模块支持，均可以完成大部分的数据库操作，比如数据行的选择、插入、替换、删除，数据表的创建等等。

Web 开发有流行的框架 Django 和 Flask，还有非常轻量级的 WebPy。