pandas和matplotlib绘制简单图形

上周，我们介绍了python的groupby函数和NA值的填充，我们学会部分基础的数据处理方法。在获得基础数据后，我们为了探寻数据的规律，通常需要绘图挖掘数据意义。这里我们介绍python自带的基础绘图。



In [1]:
%matplotlib inline
import matplotlib.pyplot as plt
import pandas as pd

In [2]:
df = pd.read_excel('data/ASV/phylum.xlsx')
df

Out[2]:

折线图
plot 默认参数 kind=line ,以下3种写法等同。
df.plot(x='phylum',y='ST01')
df.plot(x='phylum',y='ST01',kind='line')
df.plot.line(x='phylum',y='ST01')

In [3]:
df.plot.line(x='phylum',y='ST01')
plt.show()

Out[3]:

x轴指定 phylum，由于phylum水平名称太长，故横坐标出来的图看不清。下图不指定x参数，则默认使用行名。

In [4]:
df.plot(y='ST01')plt.show()

Out[4]:

In [5]:
df.plot(y=['ST01','ST02','ST03','ST04','ST05'])plt.show()

Out[5]:

由图可知，5个样品趋势一致，且第4行和第24行的门是丰度最高的门。

条形图

In [6]:
df.plot.bar(x='phylum',y='ST01')
plt.show()

Out[6]:

In [7]:
df.plot.bar(x='phylum',y=['ST01','ST02','ST03','ST04','ST05'])
plt.show()

Out[7]:

kind = 'barh'，则条形图水平绘制

In [8]:
df.plot.barh(x='phylum',y=['ST01','ST02','ST03','ST04','ST05'])
plt.show()

Out[8]:

散点图
In [9]:
df.plot.scatter(x='phylum',y='ST01')
plt.show()

Out[9]:

In [10]:
ax = df.plot.scatter(x='phylum',y='ST01',color='green',label='ST01')

df.plot.scatter(x='phylum',y='ST02',color='red',label='ST02',ax=ax)
plt.show()

Out[10]:

In [11]:
df.plot.scatter(x='ST01',y='ST02')
plt.show()

Out[11]:

饼图
In [12]:
df.plot.pie(y='ST01')
plt.show()

Out[12]:

饼图参数是y=，从上图可以看出，给出的标签值有问题。

In [13]:
df.index = df.phylum
df.plot.pie(y='ST01',legend=False)
plt.savefig('test.png')

Out[13]:

箱体图
In [14]:
df.plot.box(y='ST01')
plt.show()

Out[14]:

使用loc提取Cyanobacteria、Proteobacteria行的所有样品的丰度数据，并转置。此时Cyanobacteria、Proteobacteria变成列，对这两列数据绘制箱体图

df_sub.sample(5) 随机展示5行数据

In [15]:
df_sub = df.loc[['Cyanobacteria','Proteobacteria'],'ST01':'ST20'].T
df_sub.sample(5)

Out[15]:

In [16]:
df_sub.plot.box(y=['Cyanobacteria','Proteobacteria'])
plt.show()

Out[16]:

直方图

In [17]:
df_sub.plot.hist(y='Cyanobacteria')
plt.show()

Out[17]:

In [18]:
df_sub.plot.hist(y=['Cyanobacteria','Proteobacteria'])
plt.show()

Out[18]:

同一类型的一页多图

In [19]:
df.plot(kind='line',y=['ST01','ST02','ST03','ST04'],subplots=True,layout=(2,2),figsize=(20,10),title="Four Sample's Abundance")
plt.show()

往期相关链接：

1、R基础篇
excel不熟练怎么办，R来帮您（一）数据分类汇总；
如何使用Rstudio练习R基础教程；
R相关软件及R包安装；
【零基础学绘图】之气泡图绘制（六）；
【零基础学绘图】之绘制venn图（五）；
【零基础学绘图】之绘制barplot柱状图图（四）；
【零基础学绘图】之绘制heatmap图（三）；
【零基础学绘图】之绘制PCA图（二）；
【零基础学绘图】之alpha指数箱体图绘制（一）；

2、R进阶
ggplot2参数设置麻烦？试试ggpar！；
【绘图进阶】之带连线的箱体图绘制(8)；
【绘图进阶】之配对箱体图绘制(七)；
【绘图进阶】之通路与菌的相关性分析热图(六)；
【绘图进阶】之lefse定制化绘图(五)；
【绘图进阶】之六种带中心点的PCA 图和三维PCA图绘制（四）；
【绘图进阶】之交互式可删减分组和显示样品名的PCA 图（三）；
【绘图进阶】之绘制PCA biplot图(二)；
【进阶篇绘图】之带P值的箱体图、小提琴图绘制（一）；

3.python基础篇
Python入门到底有多简单（三）：填充数据；
【Python入门到底有多简单】之groupby数据分类汇总（二）；
Python入门到底有多简单（一）：数据读写与输出；

4、数据提交
3分钟学会微生物多样性云平台数据分析;
3分钟学会CHIP-seq类实验测序数据可视化 —IGV的使用手册；
10分钟搞定多样性数据提交，最快半天内获取登录号，史上最全的多样性原始数据提交教程；
20分钟搞定GEO上传，史上最简单、最详细的GEO数据上传攻略；

5、表达谱分析
表达谱分析（二）通路富集分析和基因互作网络图绘制；
如何对GEO数据进行差异分析；
miRNA靶基因预测软件__miRWalk 3.0；

6、医学数据分析
KING: 样本亲缘关系鉴定工具；
【WGS服务升级】人工智能软件SpliceAI助力解读罕见和未确诊疾病中的非编码突变；
隐性疾病trio家系别忽视单亲二倍体现象——天昊数据分析助力临床疾病诊断新添UPD（单亲二倍体）可视化分析工具；
【昊工具】Oh My God! 太好用了吧！疾病或表型的关键基因查询数据库，我不允许你不知道Phenolyzer；