Skip to content

Hay que ver la estructura del dataframe #2

New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Open
jmusan wants to merge 1 commit into
base: main
Choose a base branch
from
Open

Hay que ver la estructura del dataframe #2

Changes from all commits
Commits
Show all changes
1 commit
Select commit
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
118 changes: 72 additions & 46 deletions functionsSDgenerator.py
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -24,7 +24,6 @@
import numpy as np



#------------------------------------------------------------------------------
## Parsear argumentos de entrada
#------------------------------------------------------------------------------
Expand Down Expand Up @@ -224,65 +223,92 @@ def prop_per_len(prop, length):
"""
return prop * length

def depth_common_coord_total(df, N, len_reads, len_wt, proportion_wt):
"""
Calcula el valor de cobertura media que tendrá el dataset en una región en
la que estén presentes todos los genomas
"""
# product prop * length of each dvg
dvg_proxlen = df.apply(lambda row : prop_per_len(row['proportion'],
row['length_dvg']), axis=1)
# summatory of the products prop * length of all dvgs
sum_dvg_proxlen = sum(dvg_proxlen)
# def depth_common_coord_total(df, N, len_reads, len_wt, proportion_wt):
# """
# Calcula el valor de cobertura media que tendrá el dataset en una región en
# la que estén presentes todos los genomas
# """
# # product prop * length of each dvg
# dvg_proxlen = df.apply(lambda row : prop_per_len(row['proportion'],
# row['length_dvg']), axis=1)
# # summatory of the products prop * length of all dvgs
# sum_dvg_proxlen = sum(dvg_proxlen)

# depth_common = (N * len_reads)/((proportion_wt * len_wt) + sum_dvg_proxlen)

# return depth_common

# def calc_N_dvg(prop, depth_common, len_dvg, len_reads):
# """
# Calcula el número aproximado de reads (N_dvg) con el que se generarán los
# fq simulados de los genotipos individuales. Redondearemos al alza el valor
# por lo que el N_total_real será aproximado al N introducido como parámetro.

# Args:
# prop (float) [in] Proporción que representa el genoma en una
# región común
# N (int) [in] Número de reads totales introducidas como parámetro
# len_reads (int) [in] Longitud de las reads, introducido como
# argumento
# len_wt (int) [in] Longitud del genoma de referencia

# Returns:
# N_dvg (int) [out] Número de reads con las que generar el fq
# simulado para que se ajuste a las proporciones
# introducidas como argumento
# """

# N = (prop * depth_common * len_dvg)/len_reads

# return round(N)

depth_common = (N * len_reads)/((proportion_wt * len_wt) + sum_dvg_proxlen)

return depth_common
# def add_N_dvgs(df, N, len_reads, len_wt, proportion_wt):
# """
# Añade al df una columna con el número de reads a generar de cada genoma
# Args:
# df (pd.DataFrame) [in] Dataframe accesible
# N (int) [in] Número aproximado de reads con las que se va a
# generar el dataset. Argumento de entrada.
# len_reads (int) [in] Longitud de las reads. Argumento de entrada.
# len_wt (int) [in] Longitud del genoma de referencia o wt

# Returns:
# df (pd.DataFrame) [out] Tabla con la columna de N_dvg añadida
# """

def calc_N_dvg(prop, depth_common, len_dvg, len_reads):
# depth_common = depth_common_coord_total(df, N, len_reads, len_wt, proportion_wt)

# df[['N_dvg']] = df.apply(lambda row : calc_N_dvg(row['proportion'],
# depth_common, row['length_dvg'], len_reads), axis=1)

# return df


def calc_N_dvg(df, N, len_reads):
"""
Calcula el número aproximado de reads (N_dvg) con el que se generarán los
fq simulados de los genotipos individuales. Redondearemos al alza el valor
por lo que el N_total_real será aproximado al N introducido como parámetro.

Args:
prop (float) [in] Proporción que representa el genoma en una
región común
N (int) [in] Número de reads totales introducidas como parámetro
len_reads (int) [in] Longitud de las reads, introducido como
argumento
len_wt (int) [in] Longitud del genoma de referencia

Returns:
N_dvg (int) [out] Número de reads con las que generar el fq
simulado para que se ajuste a las proporciones
introducidas como argumento
"""

N = (prop * depth_common * len_dvg)/len_reads

return round(N)

def add_N_dvgs(df, N, len_reads, len_wt, proportion_wt):
"""
Añade al df una columna con el número de reads a generar de cada genoma
Args:
df (pd.DataFrame) [in] Dataframe accesible
N (int) [in] Número aproximado de reads con las que se va a
generar el dataset. Argumento de entrada.
len_reads (int) [in] Longitud de las reads. Argumento de entrada.
len_wt (int) [in] Longitud del genoma de referencia o wt

Returns:
df (pd.DataFrame) [out] Tabla con la columna de N_dvg añadida
"""

depth_common = depth_common_coord_total(df, N, len_reads, len_wt, proportion_wt)

df[['N_dvg']] = df.apply(lambda row : calc_N_dvg(row['proportion'],
depth_common, row['length_dvg'], len_reads), axis=1)

return df
# 1) Calcular nT (num total de genomas)
# nT = len_reads*N/sum(df.prop*df.len)
# 2) Calcular arrays independientes para ni y Ni
# for i = 1:N_DVGs
# n(i) = df.prop(i)*nT
# N(i) = N*df.prop(i)*df.len(i)/sum(df.prop*df.len)
# # or N(i) = n(i)*df.len(i)/len_reads
# end
# 3) Añadir las nuevas columnas al dataframe


return round(df)


#------------------------------------------------------------------------------
Expand Down