在实际工作中,经常会遇到查询的任务,比如根据某些rs号,检索dbsnp数据库,提取这些snp位点的信息,对于这样的任务,最基本的操作方法是将数据库的内容存为字典,然后检索特定的
在实际工作中,经常会遇到查询的任务,比如根据某些rs号,检索dbsnp数据库,提取这些snp位点的信息,对于这样的任务,最基本的操作方法是将数据库的内容存为字典,然后检索特定的key即可。
对于小文件而言,这样的操作编码简单,运行速度也比较满意,但是对于大型数据库而言,将数据库存为字典这个动作是非常耗费时间的,而且每次运行代码都要执行这样的操作,导致效率大大降低。想要改善这一状况,有以下两种解决办法
1. 对象序列化
对象序列化就是将python中的对象保存为二进制的字节流文件,与之相对的是反序列化, 从二进制文件中读取内容,重新解析为python对象。通过序列化,只需要读取一次数据库,然后将生存的字典对象保存为一个文件,后续在使用时,直接读取序列化产生的文件,就可以快速得到数据库对应的字典。
在python中,通过内置模块pickle进行序列化相关操作,用法如下
>>> import pickle>>>
>>> data = {1:'A', 2:'B', 3:'C'}
# dump 进行序列化
>>> with open('out', 'wb') as f:
... pickle.dump(data, f)
...
>>>
# load 进行反序列化
>>> with open('out', 'rb') as f:
... data = pickle.load(f)
...
>>> data
{1: 'A', 2: 'B', 3: 'C'}
2. 使用数据库
对于数据检索这种任务,在工业界有成熟的解决方案——专用的数据库软件,比如耳熟能详的mysql等关系型数据库,以及redis等非关系型数据库。在python3中,内置了模块sqlite3, 支持创建sqlite3数据库,一个轻量级,文本型的数据库。用法如下
>>>
>>>
>>>
# 创建数据库
# 连接数据库
>>> conn = sqlite3.connect('test.db')
# 创建游标
>>> c = conn.cursor()
>>> c.execute('''CREATE TABLE alphabet (cnt integer, date text)''')
<sqlite3.Cursor object at 0x7f3e514413b0>
>>>
>>> for key, value in data.items():
... c.execute('INSERT INTO alphabet VALUES (?, ?)', (key, value))
...
<sqlite3.Cursor object at 0x7f3e514413b0>
<sqlite3.Cursor object at 0x7f3e514413b0>
<sqlite3.Cursor object at 0x7f3e514413b0>
>>> conn.commit()
>>> conn.close()
# 使用数据库
>>> conn = sqlite3.connect('test.db')
>>> c = conn.cursor()
>>> for row in c.execute('SELECT * FROM alphabet WHERE cnt <= 2'):
... print(row)
...
(1, 'A')
(2, 'B')
将数据存储在数据库中,称之为对象持久化,除了sqlite3之外,python也支持mysql等其他数据库,只需要安装对应的模块即可。
·end·
一个只分享干货的
生信公众号