怎么用Python繪圖

這篇文章主要介紹“怎么用Python繪圖”，在日常操作中，相信很多人在怎么用Python繪圖問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”怎么用Python繪圖”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

一. 數據準備

數據說明
示例數據，其中數據均為虛擬數據，與實際生物學過程無關
文件名：dataset_volcano.txt
列分別為基因 （gene），差異倍數（logFC），t-test的P值（P.Value）

二. 繪制火山圖

Step 1: 導入數據：

import pandas as pd # Data analysis
import numpy as np # Scientific computing
import seaborn as sns # Statistical visualization

# 讀取數據
df = pd.read_csv('./dataset_volcano.txt', sep='\t')
result = pd.DataFrame()
result['x'] = df['logFC']
result['y'] = df['P.Value']
result['-log10(pvalue)']=-df['P.Value'].apply(np.log10)

Step2: 設置閾值

# 設置pvalue和logFC的閾值
cut_off_pvalue = 0.0000001
cut_off_logFC = 1

Step3: 設置分組

#分組為up, normal, down
result.loc[(result.x> cut_off_logFC )&(result.y < cut_off_pvalue),'group'] = 'up'
result.loc[(result.x< -cut_off_logFC )&(result.y < cut_off_pvalue),'group'] = 'down'
result.loc[(result.x>=-cut_off_logFC )&(result.x<=cut_off_logFC )|(result.y >= cut_off_pvalue),'group'] = 'normal'

Step4: 繪制散點圖

#繪制散點圖
ax = sns.scatterplot(x="x", y="-log10(pvalue)",
                      hue='group',
                      hue_order = ('down','normal','up'),
                      palette=("#377EB8","grey","#E41A1C"),
                      alpha=0.5,
                      s=15,
                      data=result)

Step5: 設置散點圖

#確定坐標軸顯示范圍
xmin=-6
xmax=10
ymin=7
ymax=13

ax.spines['right'].set_visible(False) #去掉右邊框
ax.spines['top'].set_visible(False) #去掉上邊框

ax.vlines(-cut_off_logFC, ymin, ymax, color='dimgrey',linestyle='dashed', linewidth=1) #畫豎直線
ax.vlines(cut_off_logFC, ymin, ymax, color='dimgrey',linestyle='dashed', linewidth=1) #畫豎直線
ax.hlines(-np.log10(cut_off_pvalue), xmin, xmax, color='dimgrey',linestyle='dashed', linewidth=1) #畫豎水平線
ax.set_xticks(range(xmin, xmax, 4))# 設置x軸刻度
ax.set_yticks(range(ymin, ymax, 2))# 設置y軸刻度
ax.set_ylabel('-log10(pvalue)',fontweight='bold') # 設置y軸標簽
ax.set_xlabel('log2(fold change)',fontweight='bold') # 設置x軸標簽

到此，關于“怎么用Python繪圖”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！