Receber por email
← Voltar para o catálogo

python-bio-data-wrangling

Padrões Pandas para dados biológicos, abordando valores ausentes, duplicatas, conversão de tipos, remodelação de dados (wide/long), análise de strings e operações apply/transform/pipe.

3estrelas
Atualizado há 6 meses

Ver no GitHub ↗

Como adicionar

/plugin marketplace add Pavel-Kravchenko/Bioinformatics

O comando exato pode variar conforme o repositório. Confira o README no GitHub.

Para o autor da skill

Cole no README do seu repo

Mostra que sua skill está catalogada na Skillteca, gera backlink e tráfego rastreável.

[![Skillteca](https://www.skillteca.com.br/api/badge/python-bio-data-wrangling/svg)](https://www.skillteca.com.br/skills/python-bio-data-wrangling)

Skills relacionadas

Ver todas de Dados e Análise →

Alerta por categoria

Receba novas skills de Dados e Análise toda segunda

1 email curto, só com as skills novas de Dados e Análise. 4 minutos de leitura, sem spam, cancela com 1 clique.

Você confirma o email no primeiro envio. Sem spam. Cancela com 1 clique.

Ler descrição completa

Complicated Moments

fillna is not in-place by default: df['col'].fillna(0) returns a new Series. Use df['col'] = df['col'].fillna(0) or df.fillna({'col': 0}, inplace=True).

melt vs stack: melt converts specific value columns to rows (wide → long), keeping id columns. stack pivots the innermost column level into the row index. For expression data reshaping, melt is usually what you want.

groupby and the index: groupby('gene_id').agg(...) moves gene_id int

[Description truncada. Veja o README completo no GitHub.]

Compartilhar X LinkedIn