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(dāng)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(shù)不能獲得最新版本，國內(nèi)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(dǎo)入

import dotplotimport dotplot.utilsimport pandas as pd%config InlineBackend.figure_format = ’retina’ # 如果你的電腦設(shè)備是視網(wǎng)膜屏，可指定該參數(shù)渲染jupyter圖像，會超清晰，超好看

包的層級結(jié)構(gòu)很簡單，主要包括以下模塊：

dotplot

├── cmap.py # 自定義color map

├── core.py # 實(shí)現(xiàn)了Dotplot類，用于封裝數(shù)據(jù)以及繪圖

├── hierarchical.py # 實(shí)現(xiàn)了層次聚類，用于支持dotplot行和列通過層次聚類進(jìn)行自動排序

├── __init__.py # 初始化模塊

└── utils.py # 實(shí)用函數(shù)，目前是夾帶私貨，我自己用的預(yù)處理函數(shù)，也許對其他人也有用

四、數(shù)據(jù)準(zhǔn)備

我們首先需要準(zhǔn)備一個數(shù)據(jù)，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(shù)據(jù)框中每一行是一個觀測，每一列是一個屬性,下面以示例數(shù)據(jù)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(shù)據(jù)進(jìn)行封裝，然后直接調(diào)用plot函數(shù)進(jìn)行繪圖。當(dāng)然，你也可以通過DotPlot的構(gòu)造函數(shù)__init__()來實(shí)例化DotPlot對象。

一維數(shù)據(jù)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(diào)節(jié)圖中點(diǎn)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’)

二維數(shù)據(jù)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)

​三維數(shù)據(jù)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)

當(dāng)然，更多的參數(shù)我們可以通過signature來查看，我對這些參數(shù)都做了類型注釋，應(yīng)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(guān)鍵字參數(shù)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)’)

六、寫在篇末

dotplot在數(shù)據(jù)可視化中是一個強(qiáng)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(dá)。

到此這篇關(guān)于教你怎么用python繪制dotplot的文章就介紹到這了,更多相關(guān)python繪制dotplot內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！