教你怎么用python繪制dotplot

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。

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 --upgradepip 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 dotplotimport dotplot.utilsimport 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

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 IDGO: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。

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 調節圖中點的大小

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’)

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)

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)

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)’)

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內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！