文章目錄

• • • 安裝
    • 模塊導入
    • 數據準備
    • 畫圖
    • 寫在篇末

??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。

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，版本更新可以在github realease 獲得最新信息，并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，可能你使用我在博客pip修改安裝鏡像源中的方法設置過國內鏡像，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

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

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(關于tidy data 和messy data更多信息請參考該博客)，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() DescriptionGeneRatioBgRatiopvaluep.adjustqvaluegeneIDCountgroupIDGO:0002455GO:0006958GO:0006956GO:0038096GO:0002673

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
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
complement activation	20/178	175/18670	15.453684	13.008859	13.085251	CD55/IGHM/TRBC2/IGHG2/IGKV3-20/IGHV4-34/IGHV3-...	20	B6_up
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
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

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')

?

• 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)

?

• 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)

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_colorother 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)')

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，如果你想找到合適自己的數據可視化方式，那么我還可以安利你這兩個網站：python gallery 或 data2viz。

? 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。

總結

以上是生活随笔為你收集整理的python绘制dotplot的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。