版本
导入Scanpy, 其版本为'1.9.1'，如果你看到的源码和下文有差异，其可能是由于版本差异。
import scanpy as sc
sc.__version__
#'1.9.1'
功能
函数pp.filter_cells用于Filter cell outliers， 其源代码在scanpy/preprocessing/_simple.py
其主要功能为过滤异常的细胞。可以根据设置细胞的最大/最小表达量设置阈值，将大于/小于这个阈值的细胞过滤。也可根据细胞表达基因的最大/最小数量设定阈值，将大于/小于这个阈值的细胞给过滤掉。
参数设置：
-
data: AnnData 对象 -
min_counts细胞的最小表达counts -
min_genes细胞的基因最小表达数目 -
max_counts细胞的最大表达counts -
max_genes细胞的基因最大表达数目 -
inplace是否在原数据对象上修改
代码解析
主要代码
以下为filter_cells 主要逻辑代码，为方便理解主要逻辑，其中删除了一些即将废弃的，异常处理，日志打印等代码。
[图片上传失败...(image-2e8463-1662902441239)]
参数设置
代码前几行是函数的参数设置：
def filter_cells(
data: AnnData,
min_counts: Optional[int] = None,
min_genes: Optional[int] = None,
max_counts: Optional[int] = None,
max_genes: Optional[int] = None,
inplace: bool = True,
copy: bool = False,
) -> Optional[Tuple[np.ndarray, np.ndarray]]:
data, min_counts, ..., inplace是函数参数， 冒号后面跟的是参数类型注解，表明这个参数应该传递什么类型的值给函数。
参数使用限制
n_given_options = sum(
option is not None for option in [min_genes, min_counts, max_genes, max_counts]
)
if n_given_options != 1:
raise ValueError(
'Only provide one of the optional parameters `min_counts`, '
'`min_genes`, `max_counts`, `max_genes` per call.'
)
上面几行代码， 限定了min_genes, min_counts, max_genes, max_counts，四个参数不能同时使用，调用函数时，只能使用一个。
递归获取结果及处理
if isinstance(data, AnnData):
adata = data.copy() if copy else data
# materialize_as_ndarray是用于数据类型转换，并非过滤操作的逻辑代码，可忽略
cell_subset, number = materialize_as_ndarray(
filter_cells(adata.X, min_counts, min_genes, max_counts, max_genes)
)
if not inplace:
return cell_subset, number
if min_genes is None and max_genes is None:
adata.obs['n_counts'] = number
else:
adata.obs['n_genes'] = number
adata._inplace_subset_obs(cell_subset)
return adata if copy else None
这部分代码 对输入data 类型做了一个判断， 如果为AnnData， 则将data.X 重新传入filter_cells函数本身来递归调用，得到过滤后的结果。
如果inplace=False, 则直接返回cell_subset, number
否则， 继续在adata操作，根据过滤条件参数， 添加n_counts或者n_genes
然后adata._inplace_subset_obs(cell_subset)是用过滤后的数据取代原来的数据
过滤操作
X = data # proceed with processing the data matrix
min_number = min_counts if min_genes is None else min_genes
max_number = max_counts if max_genes is None else max_genes
number_per_cell = np.sum(
X if min_genes is None and max_genes is None else X > 0, axis=1
)
# 稀疏矩阵的处理代码
if issparse(X):
number_per_cell = number_per_cell.A1
if min_number is not None:
cell_subset = number_per_cell >= min_number
if max_number is not None:
cell_subset = number_per_cell <= max_number
# 返回细胞布尔索引，每个细胞的counts 总和/基因表达数量
return cell_subset, number_per_cell
这部分为实际进行过滤筛选的代码， 其中data不再为初始的AnnData对象的data,而是二次调用传入的adata.X。
下面两行对变量做个统一
min_genes，min_counts 统一为min_number； max_genes，max_genes统一为max_number
min_number = min_counts if min_genes is None else min_genes
max_number = max_counts if max_genes is None else max_genes
如果min_genes或 max_genes都没设置， 则计算每行的total count， 否则则判断基因是否>0，得到真值, 计算每行基因的表达数量。
number_per_cell = np.sum(
X if min_genes is None and max_genes is None else X > 0, axis=1
)
根据min_number或max_number，进行大小判断，得到cell 行的布尔索引
if min_number is not None:
cell_subset = number_per_cell >= min_number
if max_number is not None:
cell_subset = number_per_cell <= max_number
