エレガントなSciPy ―Pythonによる科学技術計算

203

8.5　k-mer のカウント再び

from toolz import curried as c

k = 7

counts = tz.pipe('data/sample.fasta', open,

c.filter(is_sequence),

c.map(str.rstrip),

c.map(c.sliding_window(k)),

tz.concat, c.map(''.join),

tz.frequencies)

これで、

k-mer

の頻度分布を見ることができます。

counts = np.fromiter(counts.values(), dtype=int, count=len(counts))

integer_histogram(counts, xlim=(-1, 250), lw=2)

■

8.5.1

　演習：ストリーミングデータの主成分分析（

PCA

）

scikit-learn

ライブラリには

IncrementalPCA

クラスという仕組みが用意されており、メモリ上に

データセットを丸ごと読み込むことなく主成分分析（

PCA

）を実行できます。しかし、データは

自分で切り出す必要があるため、コードが少し使いづらくなります。サンプルデータをストリー

ムとして受け取って

PCA

を実行できる関数を作ってみましょう。続いて、その関数を使い、機械

学習でよく使われる

iris

データセット（

data/iris.csv

）の

PCA

を計算してみます（または、

scikit-learn

の

datasets

モジュールの

datasets.load_iris() ...