Apprenez avec Chemo Informatics NumPy

introduction

Suivant la classe Python apprise par chemoinfomatics, c'est l'une des bibliothèques représentatives de Python avec le thème de la lipidomique (analyse complète des lipides). Je vais vous expliquer "NumPy". Nous expliquerons principalement des exemples pratiques de chimioinfomatique, donc si vous souhaitez vérifier les bases, veuillez lire l'article suivant avant de lire cet article.

Les chercheurs des sociétés pharmaceutiques ont résumé NumPy

Opérations de base à l'aide de NumPy

En utilisant NumPy, vous pouvez effectuer des opérations vectorielles et matricielles à grande vitesse.

Tout d'abord, vous pouvez charger la bibliothèque avec ʻimporter le nom de la bibliothèque`. De plus, en ajoutant «comme abréviation», vous pouvez appeler (pointer vers) la bibliothèque avec l'abréviation écrite ici. Dans le cas de NumPy, il est d'usage d'utiliser «np».

import numpy as np


masses = np.array([12, 1.00783, 15.99491]) #Un ndarray contenant les masses précises d'atomes de carbone, d'hydrogène et d'oxygène
numbers = np.array([16, 32, 2]) #Nombre d'atomes de carbone, d'hydrogène et d'oxygène dans le palmitate

print(masses * numbers) #Calculer la masse de précision pour chaque élément
print(sum((masses * numbers))) #Masse de précision de l'acide palmitique

Comme indiqué ci-dessus, vous pouvez créer un vecteur avec plusieurs éléments en utilisant np.array (list). Lorsque vous exécutez quatre règles, l'opération est effectuée pour chaque élément. Vous pouvez également utiliser sum pour trouver la valeur totale de tous les éléments.

Différence par rapport à la liste

Le vecteur créé par «np.array (list)» est très similaire à une liste, mais le type de données est «numpy.ndarray» au lieu de «list». La multiplication de numpy.ndarrays renverra numpy.ndarray multipliée par chaque élément, mais la multiplication de lists entraînera TypeError et l'opération ne pourra pas être effectuée.

import numpy as np


masses_ndarray = np.array([12, 1.00783, 15.99491])
print(type(masses_ndarray)) # numpy.ndarray

masses_list = [12, 1.00783, 15.99491]
print(type(masses_list)) # list

print(list(masses_ndarray)) # [12, 1.00783, 15.99491]

numbers_list = [16, 32, 2]
# print(masses_list * numbers_list) # TypeError

Application: calcul du poids atomique

Ensuite, envisagez de trouver le poids atomique en fonction de la masse précise de l'atome et de ses isotopes et du rapport d'abondance naturelle des isotopes.

import numpy as np


exact_mass_H = np.array([1.00783, 2.01410]) #Masse de précision des isotopes
isotope_ratio_H = np.array([0.99989, 0.00011]) #Rapport d'abondance naturelle des isotopes

molecular_weight_H = sum(exact_mass_H * isotope_ratio_H) #Calculer le poids atomique
print(molecular_weight_H) #Poids atomique d'hydrogène

Application: calcul de la masse précise de plusieurs composés

Enfin, trouvons les masses précises de plusieurs espèces moléculaires d'acides gras.

import numpy as np


numbers = np.array([[16, 32, 2], [18, 36, 2], [18, 34, 2]]) #Composition élémentaire d'acide palmitique, d'acide stéarique, d'acide oléique

print(masses * numbers) #Calculez la masse précise de chaque élément de chaque espèce moléculaire
print(np.sum(masses * numbers, axis=1)) #Calculez la masse précise de chaque espèce moléculaire

Résumé

Ici, j'ai expliqué NumPy, en me concentrant sur les connaissances pratiques pouvant être utilisées en chimioinfomatique. Revoyons à nouveau les principaux points.

Ensuite, j'expliquerai les pandas dans l'article suivant.

Pandas apprenant avec la chimio-automatique

Documents de référence / liens

Quel est le langage de programmation Python? Peut-il être utilisé pour l'IA et l'apprentissage automatique?

Recommended Posts

Apprenez avec Chemo Informatics NumPy
Pandas apprenant avec la chimioinfomatique
Apprenez avec Chemo Informatics Matplotlib
Apprenez Python avec ChemTHEATER
Apprenez Zundokokiyoshi en utilisant LSTM
Moyenne mobile avec numpy
Apprentissage Scikit-Learn avec la chimioinfomatique
Premiers pas avec Numpy
Concaténation de matrices avec Numpy
Code de bourdonnement avec numpy
DCGAN avec TF Learn
Effectuer une analyse de régression avec NumPy
Étendre NumPy avec Rust
Apprenez Pendulum-v0 avec DDPG
Régression du noyau avec Numpy uniquement
J'ai écrit GP avec numpy
Implémentation CNN avec juste numpy
Génération artificielle de données avec numpy
Essayez l'opération matricielle avec NumPy
Animation de l'équation de diffusion avec NumPy
Simulation de remboursement de dette avec numpy
Implémentation de SMO avec Python + NumPy
Coller les chaînes avec Numpy
Apprenez de nouvelles données avec PaintsChainer
Gérez les tableaux numpy avec f2py
Utilisez OpenBLAS avec numpy, scipy
Traitement itératif Python appris avec ChemoInfomatics
Implémentation de la régression logistique avec NumPy
Effectuez un ajustement carré minimum avec numpy.
Apprendre avec Causal ML Package Meta-Learner
Apprenez avec FizzBuzz Iterator, Generator, Decorator
Apprenez avec les réseaux convolutifs PyTorch Graph
[TensorFlow 2] Apprendre RNN avec perte CTC
Apprenons Deep SEA avec Selene
Dessinez un beau cercle avec numpy
Apprendre la catégorisation de documents avec la CLI spaCy
Implémenter Keras LSTM feed forward avec numpy
Extraire plusieurs éléments avec le tableau Numpy
Premiers pas avec python3 # 1 Apprenez les connaissances de base
Apprenez à coloriser les images monochromes avec Chainer
Apprenez les données distribuées avec TensorFlow Y = 2X
Lire et écrire des fichiers csv avec numpy
Créez un bac avec NumPy, obtenez la correspondance entre les données et le bac
Apprendre Python! Comparaison avec Java (fonction de base)
Apprenez avec Supra Nervous Weakness! La théorie des graphes
Graphiques de fonctions triangulaires avec numpy et matplotlib
J'ai fait un jeu de vie avec Numpy
Apprenez le modèle de conception "Singleton" avec Python
Lire le fichier de données de caractères avec numpy
Gérer numpy avec Cython (méthode par memoryview)
Utilisez BLAS / LAPACK multi-thread avec numpy / scipy
Se préparer à apprendre les indicateurs techniques avec TFlearn
Apprenez le modèle de conception "Façade" avec Python