anndata

AnnData 技能详情

技能概述

AnnData 是 Python 中用于处理注释数据矩阵的数据结构，专为单细胞基因组学分析设计，可高效存储实验测量值、细胞注释和基因元数据，支持 h5ad、Zarr 等多种格式。

适用场景

1. 单细胞RNA测序数据分析

处理 scRNA-seq 数据时，AnnData 可以存储基因表达矩阵、细胞类型注释、样本来源等信息，配合 Scanpy 完成从质控到聚类的完整分析流程。

2. 大规模基因组数据存储与处理

当数据量超出内存容量时，使用 AnnData 的备份模式（backed mode）可以按需加载数据，无需一次性读取整个文件，有效避免内存溢出问题。

3. 多批次实验数据整合

在处理多个实验批次或不同样本来源的数据时，AnnData 提供灵活的数据拼接功能，支持内连接、外连接等策略，自动追踪数据来源标签。

核心功能

1. 多格式数据读写

支持 h5ad 原生格式、Zarr 云存储格式，以及 CSV、MTX、Loom、10X Genomics 等常见基因组学格式，可轻松实现数据导入导出和格式转换。

2. 高效数据操作

提供基于条件的子集选择、数据转置、稀疏矩阵转换等功能，支持视图和复制两种操作模式，在保证数据完整性的同时优化内存使用。

3. scverse 生态系统集成

作为 Scanpy、scvi-tools、Muon 等工具的基础数据结构，AnnData 可无缝衔接单细胞分析、概率建模、多模态数据处理等工作流，还支持 PyTorch DataLoader 用于深度学习。

常见问题

AnnData 和 Scanpy 有什么区别？

AnnData 是数据结构，负责存储和管理注释数据矩阵；Scanpy 是基于 AnnData 的分析工具包，提供质控、归一化、降维、聚类等分析函数。简单来说，AnnData 是"容器"，Scanpy 是"工具"。

如何避免处理大型数据集时内存溢出？

使用 AnnData 的备份模式（backed='r'）打开文件，数据仅在需要时加载；对于稀疏数据，可转换为 CSR/CSC 格式存储；此外可以分块处理数据，每次只操作一小部分。

h5ad 文件可以在其他软件中打开吗？

h5ad 是 AnnData 的专有格式，基于 HDF5 标准。虽然可以用 h5py 等 HDF5 工具读取底层结构，但完整解析建议使用 AnnData 或兼容的 scverse 生态工具。与其他工具交互时，可导出为 CSV、MTX 等通用格式。