Python 使用scikit learn存储新功能

我正在从事生物信息学序列研究，包括从多组序列（FASTA文件）中提取各种基于序列的特征。 我为序列生成各种特性，并分别处理每个序列（我将处理成千上万个序列）。我是编程和处理数据的新手

存储和输出（即保存到csv文件中的矩阵）生成的特征的最佳方式是什么

特性的名称对我来说很重要，所以我需要它们，除了需要它们的输出顺序对每个单独的序列保持一致之外

我计划用字典存储这些功能（每个序列），因为我知道scikit learn的“”函数可能适用于此。 然而-一个dict是无组织的，我将分别提取每个序列的特征，写出它，然后从下一个序列中提取-它在写出时会保持相同的顺序吗？（所有特征都是数字和连续的，但许多特征的值可能为0，有些特征的输出为矢量[例如，重叠双图的400个频率计数]

谢谢

---

（我主要关心的是I/O，而不是混合功能的输出。）

因此，最好的方法是

pandas

或

dill

。我认为

pandas

将是您更好的选择，但您可以同时使用这两种方法

import pandas as pd
import dill

如果您试图使用标签存储矩阵，您正在谈论的是

DataFrames

。您可以通过执行

DF=pd.DataFrame（array\u object）

在

pandas

中通过数组或字典轻松创建

DataFrames

。您可以通过

DF.columns=[“label1”、“label2”等设置列名

和索引值使用相同的方法

DF.index=[“A”、“B”等]

。然后您可以通过执行

DF.to_csv（“filename.tsv”，sep=“\t”）

（我通常使用制表符分隔的B/c逗号，这很奇怪）将其写入spreadhseet格式，以后您可以通过执行

pd.read\u table轻松检索该格式(“filename.tsv”，sep=“\t”）

。另一种方法是使用

dill

，它将环境变量存储到一个文件中，以后可以加载（我对更复杂的对象执行此操作，但它适用于数据帧或矩阵或任何您想要的对象）。如果您从

矩阵/数组中获得了
数据帧
，则只需执行
dill.dump（DF，open（“DF.obj”，“wb”）
即可存储该对象，然后稍后使用
dill.load（open（“DF.obj”，“rb”）
检索该对象

我会使用
pandas.DataFrame.to_csv（）
方法，因为你可以在Excel中打开这些东西（生物学家喜欢Excel）。如果它们只是矩阵，那么使用
dill
来存储对象就太过分了。如果你是为自己制作东西，但将存储的
dill
对象传递给其他人可能会让人讨厌。有一种叫做有序字典的方法，可能会有帮助：知道这是否有效吗使用sklearn方法？不，对不起，我没有在scikit-learn的上下文中使用它们。无论如何，谢谢-我正在寻找使用上述工具的人的答案。（因为我问的上下文是“做这件事最简单/最好的方法是什么”+“如何做”）
dictvectorier
将字符串映射到索引，因此它可以有效地排序。