欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

教你怎么用python繪制dotplot

 更新時間：2021年04月23日 10:27:45   作者：jeffery0207  
這篇文章主要介紹了教你怎么用python繪制dotplot,文中有非常詳細的代碼示例,對正在學習python的小伙伴們有很好地幫助,需要的朋友可以參考下

一、前言

R語言不少庫都可以方便的畫dotplot，但是低頻使用R這么多年，我依舊覺得R不是一門真正的編程語言。目前，在python中繪制dotplot貌似沒有很輕量、方便的庫，因此工作之余寫了這個python_dotplot包，方便自己也希望能夠方便他人吧。

二、安裝

可以通過pypi快速安裝:

pip install python_dotplot

該package當然可能存在一定的bug，所以也會處于不斷迭代的過程中，可以通過以下方式獲得特定或最新版本

pip install python_dotplot --upgrade
pip install python_dotplot==0.0.1b1

如果通過--upgrade參數不能獲得最新版本，國內鏡像會有一定的延遲，可指定pypi官方源指定鏡像：

pip install -i https://pypi.python.org/pypi python_dotplot

三、模塊導入

import dotplot
import dotplot.utils
import pandas as pd

%config InlineBackend.figure_format = 'retina'  # 如果你的電腦設備是視網膜屏，可指定該參數渲染jupyter圖像，會超清晰，超好看

包的層級結構很簡單，主要包括以下模塊：

dotplot

├── cmap.py # 自定義color map

├── core.py # 實現了Dotplot類，用于封裝數據以及繪圖

├── hierarchical.py # 實現了層次聚類，用于支持dotplot行和列通過層次聚類進行自動排序

├── __init__.py # 初始化模塊

└── utils.py # 實用函數，目前是夾帶私貨，我自己用的預處理函數，也許對其他人也有用

四、數據準備

我們首先需要準備一個數據，這里要求輸入必須是一個tidy data格式的pandas Dataframe，簡而言之，tidy data是指在該數據框中每一行是一個觀測，每一列是一個屬性,下面以示例數據為例:

term_list = ['GO:0002455', 'GO:0006958', 'GO:0006956', 'GO:0038096','GO:0002673',
             'GO:0051251', 'GO:0060333', 'GO:0006910','GO:0002483', 'GO:0002440',
             'GO:0009141', 'GO:0009123', 'GO:0006119', 'GO:0009260', 'GO:0015985', 'GO:0015986', 'GO:0006260',
            'GO:0044843', 'GO:0061621', 'GO:0061718']

up = pd.read_csv('./example_data/group1.csv', header=0, index_col=0)
down = pd.read_csv('./example_data/group2.csv', header=0, index_col=0)

data = dotplot.utils.merge_clusterprofile_results(dataframes=(up, down), groups=['B6_up', 'B6_down'], term_list=term_list)

data.head()
Description GeneRatio BgRatio pvalue p.adjust qvalue geneID Count group
ID
GO:0002455 humoral immune response mediated by circulatin... 22/178 150/18670 19.365993 16.222197 16.298589 HLA-DQB1/CD55/IGHM/PTPRC/TRBC2/IGHG2/IGKV3-20/... 22 B6_up
GO:0006958 complement activation, classical pathway 20/178 137/18670 17.588789 14.989062 15.065454 CD55/IGHM/TRBC2/IGHG2/IGKV3-20/IGHV4-34/IGHV3-... 20 B6_up
GO:0006956 complement activation 20/178 175/18670 15.453684 13.008859 13.085251 CD55/IGHM/TRBC2/IGHG2/IGKV3-20/IGHV4-34/IGHV3-... 20 B6_up
GO:0038096 Fc-gamma receptor signaling pathway involved i... 18/178 139/18670 14.916693 12.675988 12.752379 PTPRC/LYN/IGHG2/IGKV3-20/IGHV4-34/IGHV3-30/IGL... 18 B6_up
GO:0002673 regulation of acute inflammatory response 18/178 159/18670 13.871614 11.817674 11.894066 HLA-E/CD55/IGHG2/IGKV3-20/IGHV4-34/IGHV3-30/IG... 18 B6_up

五、畫圖

首先我們可以借助 DotPlot的類方法parse_from_tidy_data 對數據進行封裝，然后直接調用plot函數進行繪圖。當然，你也可以通過DotPlot的構造函數__init__()來實例化DotPlot對象。

  • 一維數據展示
new_keys = {'item_key': 'Description','group_key': 'group','sizes_key': 'Count'}
dp = dotplot.DotPlot.parse_from_tidy_data(data, **new_keys)
sct = dp.plot(size_factor=10, cmap='Reds')  # 通過size_factor 調節(jié)圖中點的大小

在這里插入圖片描述

dp = dotplot.DotPlot.parse_from_tidy_data(data, item_key='Description', group_key='group', sizes_key='Count')  # 該效果完全同上，這是python語言特性
sct = dp.plot(size_factor=10, cmap='Reds')

在這里插入圖片描述

  • 二維數據展示

我們可以通過color_key指定data中的列做顏色映射。

new_keys = {'item_key': 'Description','group_key': 'group','sizes_key': 'Count','color_key': 'pvalue'}
dp = dotplot.DotPlot.parse_from_tidy_data(data, **new_keys)
sct = dp.plot(size_factor=10, cmap='Reds', cluster_row=True)

在這里插入圖片描述

  • ​三維數據展示

可以通過circle_key增加一列作為虛線圓圈的映射。

DEFAULT_CLUSTERPROFILE_KEYS = {
    'item_key': 'Description', 'group_key': 'group',
    'sizes_key': 'Count', 'color_key': 'pvalue',
    'circle_key': 'qvalue'
}
dp = dotplot.DotPlot.parse_from_tidy_data(data, **DEFAULT_CLUSTERPROFILE_KEYS)
sct = dp.plot(size_factor=10, cmap='Reds', cluster_row=True)

在這里插入圖片描述

當然，更多的參數我們可以通過signature來查看，我對這些參數都做了類型注釋，應該是通俗易懂的：

?dp.plot
Signature:
dp.plot(
    size_factor:float=15,
    vmin:float=0,
    vmax:float=None,
    path:Union[os.PathLike, NoneType]=None,
    cmap:Union[str, matplotlib.colors.Colormap]='Reds',
    cluster_row:bool=False,
    cluster_col:bool=False,
    cluster_kws:Union[Dict, NoneType]=None,
    **kwargs,
)
Docstring:
:param size_factor: `size factor` * `value` for the actually representation of scatter size in the final figure
:param vmin: `vmin` in `matplotlib.pyplot.scatter`
:param vmax: `vmax` in `matplotlib.pyplot.scatter`
:param path: path to save the figure
:param cmap: color map supported by matplotlib
:param kwargs: dot_title, circle_title, colorbar_title, dot_color, circle_color
            other kwargs are passed to `matplotlib.Axes.scatter`
:param cluster_row, whether to cluster the row
:param cluster_col, whether to cluster the col
:param cluster_kws, key args for cluster, including `cluster_method`, `cluster_metric`， 'cluster_n'
:return:

因此，我們可以通過關鍵字參數修改圖例中的部分組件：

sct = dp.plot(size_factor=10, cmap='Reds', cluster_row=True,
dot_title = 'Count', circle_title='-log10(qvalue)',
colorbar_title = '-log10(pvalue)')

在這里插入圖片描述

六、寫在篇末

dotplot在數據可視化中是一個強有力的展示方式，選擇一個合適的可視化方式勝過千言萬語

最后，最適合的可視化方式是最直觀、最簡潔的，不是炫技，別被花里胡哨的可視化所迷住雙眼而忽略了信息的傳達。

到此這篇關于教你怎么用python繪制dotplot的文章就介紹到這了,更多相關python繪制dotplot內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

相關文章

最新評論