為了完成此次挑戰，必須先有基因表達數據以供分析，因此我下載了來自 NCBI GEO 之基因數據以供後續使用。

NCBI GEO 介紹

NCBI GEO 是美國國家生物技術資訊中心 (National Center for Biotechnology Information, NCBI)的基因表達綜合存儲庫 (Gene Expression Omnibus, GEO)，是一個公共的基因組學數據存儲庫，具有大量基因表達數據，此次挑戰所需的受COVID-19感染之肺基因表達數據則從此處提取。[網址連結]。

提取 Excel 數據

在這次處理基因數據的過程中，第一步是從下載之 Excel 文件中讀取基因代號和讀數。這些數據將成為我們後續轉換和計算的基礎數據。因此，今天將學習如何使用 pandas 來讀取基因數據。

首先，我們需要將 Excel 文件中的基因代號（GeneSymbol）提取出來，並將其存儲在一個列表中。下面是具體的 Code：

import pandas as pd
file_path = r".xlsx" #裡面放我的檔案路徑
df = pd.read_excel(file_path)
gene_symbols = df['GeneSymbol'].tolist()

在這段 code 中，首先使用 pandas 的 read_excel 函數讀取指定路徑的 Excel 文件，並將其內容存儲在一個 DataFrame 中。接著，我使用 DataFrame 的 tolist 函數提取 Gene Symbol 列中的所有基因代號，並將其存儲到一個列表中，供後續處理使用。為了確保數據讀取正確，我使用了 head 函數來檢查前幾行數據是否符合預期：

print(df.head())  # 查看前幾行數據，就輸入幾行

pandas 的 DataFrame 結構類似於 Excel 中的表格，這讓我能夠方便地操作基因數據，例如篩選、過濾、計算等操作。這一步的數據讀取工作為能夠幫助接下來的基因代號轉換。