数据与复现生物信息与基因组学FreedomIntelligence/OpenClaw-Medical-Skills数据与复现

bio-expression-matrix-sparse-handling

维护者 FreedomIntelligence · 最近更新 2026年4月1日

Handle sparse count matrices efficiently with scipy sparse formats.

OpenClawNanoClaw分析处理复现实验bio-expression-matrix-sparse-handling🧠 bioos extended suitebioos extended bioinformatics suitehandle

原始来源

FreedomIntelligence/OpenClaw-Medical-Skills

https://github.com/FreedomIntelligence/OpenClaw-Medical-Skills/tree/main/skills/bio-expression-matrix-sparse-handling

维护者: FreedomIntelligence
许可: MIT
最近更新: 2026年4月1日

技能摘要

来自 SKILL.md 的关键信息

2 min

核心说明

def check_sparsity(counts)：zeros = (counts == 0).sum().sum() total = counts.size sparsity = zeros、total print(f'Sparsity：{sparsity：.1%} ({zeros：，}、{total：，} zeros)') return sparsity。
dense_df = pd.read_csv('counts.csv'，index_col=0) sparse_matrix = sp.csr_matrix(dense_df.values)。

原始文档

SKILL.md 摘录

Convert Dense to Sparse

import scipy.sparse as sp
import pandas as pd

## Keep row/column names

gene_names = dense_df.index.tolist()
sample_names = dense_df.columns.tolist()

## CSC (Compressed Sparse Column): efficient column slicing

sparse_csr = sp.csr_matrix(dense_df.values)  # Row-oriented
sparse_csc = sp.csc_matrix(dense_df.values)  # Column-oriented

适用场景

Use bio-expression-matrix-sparse-handling ，用于 genomics 、 bioinformatics workflows。
Apply bio-expression-matrix-sparse-handling to sequencing，variant，或 omics analysis tasks。