首页
/ Scanpy聚合函数中类别组合错误的分析与修复

Scanpy聚合函数中类别组合错误的分析与修复

2025-07-04 05:04:49作者:咎竹峻Karen

在单细胞数据分析工具Scanpy的最新版本中,用户报告了一个关于sc.get.aggregate函数的潜在问题。该函数用于对单细胞数据进行分组聚合计算,但在特定条件下会出现类别组合错误,导致部分数据丢失。

问题现象

当使用sc.get.aggregate函数对数据进行分组聚合时,如果同时使用三个分组变量,部分分组组合会意外丢失。例如,在包含69个患者的测试数据中:

  • 仅使用"patient_id"和"external_batch_id"两个变量分组时,能正确保留所有69个患者
  • 仅使用"patient_id"和"timepoint"两个变量分组时,也能正确保留所有69个患者
  • 但同时使用"patient_id"、"timepoint"和"external_batch_id"三个变量分组时,只能识别出15个患者

问题根源

经过技术团队分析,发现问题出在内部函数_combine_categories的实现上。该函数负责将多个分类变量组合成一个复合分类变量,但在计算类别编码时错误地使用了累积和(cumsum)而非累积积(cumprod)。

在分类变量组合算法中,正确的做法应该是:

  1. 对每个分类变量获取其唯一值数量
  2. 计算这些数量的累积积
  3. 基于累积积结果生成复合分类编码

而当前实现错误地使用了累积和,导致在某些情况下生成的复合分类编码不正确,进而丢失部分数据组合。

技术细节

以一个简化示例说明:

import pandas as pd
from scanpy.get._aggregated import _combine_categories

_combine_categories(
    pd.DataFrame({
        "a": [1, 1, 1, 1, 2],
        "b": [1, 1, 2, 2, 3],
        "c": [1, 2, 1, 2, 1],
    }),
    list("abc")
)

错误实现会产生不正确的复合分类编码,如将(2,3,1)错误地编码为"2_2_2",而实际上应该是"2_3_1"。

解决方案

修复方案很简单:将累积和(cumsum)改为累积积(cumprod)。累积积能确保每个分类变量的组合都能获得唯一的编码空间,避免编码冲突。

这个修复已经由Scanpy核心开发团队完成,并将在下一个版本(1.10.1)中发布。对于受影响的用户,可以暂时考虑:

  1. 减少分组变量数量
  2. 手动实现分组聚合逻辑
  3. 等待官方修复版本发布

总结

这个案例展示了开源社区如何快速响应和解决技术问题。用户报告、核心团队分析、问题定位和修复的完整流程,体现了Scanpy项目对代码质量的重视和对用户反馈的积极响应。对于单细胞数据分析人员,了解这类底层实现细节有助于更好地使用工具和排查问题。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
595
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K