本来先运行find_cdr3_motifs.py但很多报错，在pycharm上版本不兼容，所有print后都没有括号，包是用python2写的，修改了pycharm上接收器版本但没有解决问题。按学姐建议从readme上一步步来。安装命令pythonsetup.py和run_basic_analysis出现报错如下，认为是python版本不兼容。linux上默认版本是3，包的版本是2。故修改版本。查看linux上python版本（有2.7的，但默认为3.7）cd/usr/bin/ls-lpython*按网上教程修改默认版本时报：提高权限，chmod依然不够，“Operationnotpermit
perl语言读入gzip压缩格式文件。目前我遇到的比较多的还是gzip压缩格式的，这里也是gzip压缩格式为例。测试文件随便选，我这里Carya.fasta.misa.gz调用linux命令行读入压缩文件#/usr/bin/envperlusestrict;usewarnings;openIN,"zcatCarya.fasta.misa.gz|"||die$!;#不能带");closeIN;这里的命令行是没有加入反引号``的注意添加管道符"|"open文件时好像不能加“调用PerlIO::gzip[1]模块读入压缩文件#/usr/bin/envperlusestrict;usewarnings
perl语言读入gzip压缩格式文件。目前我遇到的比较多的还是gzip压缩格式的，这里也是gzip压缩格式为例。测试文件随便选，我这里Carya.fasta.misa.gz调用linux命令行读入压缩文件#/usr/bin/envperlusestrict;usewarnings;openIN,"zcatCarya.fasta.misa.gz|"||die$!;#不能带");closeIN;这里的命令行是没有加入反引号``的注意添加管道符"|"open文件时好像不能加“调用PerlIO::gzip[1]模块读入压缩文件#/usr/bin/envperlusestrict;usewarnings
一、fixture的特点在测试函数运行前后，由pytest执行的外壳函数，代码可定制用于将测试前后进行预备或清理核心逻辑的一种机制，在执行测试函数之前(或之后)加载运行他们跟定义函数差不多,区别是函数上加个装饰器@pytest.fixture()通常作用：有明确的名字，在其他函数、模块、类或整个工程调用它时激活，也可相互调用；参数化功能，根据配置与不同组件选择不同的参数；许多测试用例都只需要执行一次的操作：登录、数据库初始连接与关闭；满足多变的需求：定义传入测试中的数据集配置测试前系统的初始状态为批量测试提供数据源等二、conftest.py配置可实现数据共享，有如下特点：conftest这个
一、fixture的特点在测试函数运行前后，由pytest执行的外壳函数，代码可定制用于将测试前后进行预备或清理核心逻辑的一种机制，在执行测试函数之前(或之后)加载运行他们跟定义函数差不多,区别是函数上加个装饰器@pytest.fixture()通常作用：有明确的名字，在其他函数、模块、类或整个工程调用它时激活，也可相互调用；参数化功能，根据配置与不同组件选择不同的参数；许多测试用例都只需要执行一次的操作：登录、数据库初始连接与关闭；满足多变的需求：定义传入测试中的数据集配置测试前系统的初始状态为批量测试提供数据源等二、conftest.py配置可实现数据共享，有如下特点：conftest这个
原文链接：离线数仓建设，企业大数据的业务驱动与技术实现丨03期直播回顾视频回顾：点击这里课件获取：点击这里一、离线数仓建设背景离线数据是相对实时数据而言的数据产出，不同于实时数据，离线数据一般是T+1天处理，也就是说昨天产生的数据至少要今天才能看到计算结果。离线数据一般应用于对数据时效要求不高，需要基于一段时间的历史数据计算才能得到结果的场景，我们大致可以分为离线数据分析及数据应用两类，离线数据计算具备：数据准确度高、吞吐量大、计算成本低等特点。file离线数据应用的场景非常广泛，企业的数据迎来了爆发式的增长，目前企业数据规模巨大、数据类型多样、生成及处理速度极快、数据价值巨大但密度却较低，这
原文链接：离线数仓建设，企业大数据的业务驱动与技术实现丨03期直播回顾视频回顾：点击这里课件获取：点击这里一、离线数仓建设背景离线数据是相对实时数据而言的数据产出，不同于实时数据，离线数据一般是T+1天处理，也就是说昨天产生的数据至少要今天才能看到计算结果。离线数据一般应用于对数据时效要求不高，需要基于一段时间的历史数据计算才能得到结果的场景，我们大致可以分为离线数据分析及数据应用两类，离线数据计算具备：数据准确度高、吞吐量大、计算成本低等特点。file离线数据应用的场景非常广泛，企业的数据迎来了爆发式的增长，目前企业数据规模巨大、数据类型多样、生成及处理速度极快、数据价值巨大但密度却较低，这
学习资料来源：scanpy主页：https://scanpy.readthedocs.io/en/stable/官网：https://scanpy-tutorials.readthedocs.io/en/latest/plotting/core.html【注意教程有两个版本，这里是latest版本的学习笔记】本教程将探索Scanpy的可视化可能性，并将其分为三个部分：Scatterplotsforembeddings(eg.UMAP,t-SNE)IdentificationofclustersusingknownmarkergenesVisualizationofdifferentiallye
学习资料来源：scanpy主页：https://scanpy.readthedocs.io/en/stable/官网：https://scanpy-tutorials.readthedocs.io/en/latest/plotting/core.html【注意教程有两个版本，这里是latest版本的学习笔记】本教程将探索Scanpy的可视化可能性，并将其分为三个部分：Scatterplotsforembeddings(eg.UMAP,t-SNE)IdentificationofclustersusingknownmarkergenesVisualizationofdifferentiallye
将业务领域模型转换为程序设计一般有2种设计思路：贫血模型，充血模型所谓贫血模型，就是在软件设计中有很多POJO对象，他们除了get/set方法，基本没有任何业务逻辑。vip会员的贫血模型的设计图如vip会员的贫血模型的设计图所示，在领域模型中，有vip会员的领域对象，该对象除了有一堆属性之外，还有会员打折，会员福利，会员特权等方法。如果将该领域模型按照贫血模型设计，就会设计一个vip会员的实体对象与service。实体对象包含该对象的所有属性，以及这些属性包含的数据，然后将所有的方法都放入service中，再调用他们的时候，必须将领域对象作为参数进行传输。这样的设计将领域对象中的方法，以及方法
