Python替代R作图：使用pandas、matplotlib和seaborn进行高效数据可视化

[id_8775086]

[id_[id_204358991]95894101]

大多数生物信息工作者会使用 R 来进行作图。R 语言具备丰富的 package ，并且有着友好的可视化界面，既方便又快捷，还易于上手。

因为工作需求，我一直借助 windows 来连接到 linux 平台的服务器以处理数据。通常会用 python 对文本数据进行前期处理，输出的结果都存于服务器中。若要作图，就需先将文件下载下来，然后再用 R 进行编辑，这让我感觉有些麻烦。

最开始我考虑是否存在 python 的替代方案。接着我发现，其实 python 本身就有专门用于绘图的模块，比如 matplotlib 等。

现在我借助 python 的 pandas 模块和 scipy 模块来处理数据，利用它的 matplotlib 模块和 seaborn 模块进行作图，这样就能直接在服务器上输出所需的图片。

话不多说，今天我先给大家介绍一下在 python 环境下 boxplot 的作图。大家可以了解一下它与 R 的差异，可能在操作上比 R 要复杂一些，希望大家能够谅解。

02

[id_1485302189]

python下我用的最多的应该是matplotlib

它自带有boxplot函数

这里先以经典的鸢尾花iris.csv数据来作图。

数据为5列150行矩阵，5列中包含4个特征：

萼片长宽（SepalLength、SepalWidth）

花瓣长宽（PetalLength、PetalWidth）

以及最后一列的花名，其中包含三种花，分别是 'Iris-setosa'、'Iris-versicolor'、'Iris-virginica'。

import 导入二维数组操作模块 pandas 并将其命名为 pd 。data = pd.read_csv('iris.csv') #导入数据print(data.head()) #打印数据前五行，结构如下：          SepalLength  SepalWidth 表示萼片宽度，PetalLength 表示花瓣长度，PetalWidth 表示花瓣宽度，Name 表示名称。0            3.5 是一个数值，1.4 是一个数值，0.2 是一个数值，Iris-setosa 是一个名称，5.1 也是一个数值。1            4.9 是一个数值，3.0 是另一个数值，1.4 是又一个数值，0.2 是再一个数值，而 Iris-setosa 是一个特定的名称。2            4.7 与 3.2 相比，4.7 更大；3.2 与 1.3 相比，3.2 更大；1.3 与 0.2 相比，1.3 更大；Iris-setosa 是特定的名称。3            Iris-setosa 这几个数值分别为 4.6、3.1、1.5、0.2 且包含 Iris-setosa 这一名称。4            5.0 这一数值，3.6 这个数字，1.4 该数值，0.2 此数字，以及 Iris-setosa 这个名称

先导入画图模块matplotlib，简单对一列作图

import matplotlib.pyplot as pltfig1, ax1 = plt.subplots()ax1.boxplot(data["SepalLength"])#boxplot 作图plt.show()

加上颜色

ax1.boxplot(data["SepalLength"],\    patch_artist=True, \  boxprops=dict(facecolor="darkred", color="darkred"))plt.show()

pandas 自带的 boxplot 能够依据 DataFram 数据结构直接进行作图。然而，我认为它的美观性存在不足，需要进行大量修改，正因如此，我基本上没有使用过它。

box=data.boxplot("SepalLength"grid 为 False ，且 patch_artist 为 True 。#加上颜色box 找到的对象（matplotlib.patches.Patch）中的第一个对象，将其填充颜色设置为"darkred")plt.show()

根据花名Name分组，比较4个特征：

bp_dict=data.boxplot(by="Name",grid = False,\  fontsize=10,rot=30,patch_artist=True,return_type='both')colors=["darkred","darkgreen","darkblue"]for row_key, (ax,row) in bp_dict.iteritems():#给每个box添加颜色    ax.set_xlabel('')    for i,box in enumerate(row['boxes']):        box.set_facecolor(colors[i])plt.show()

03

好用的boxplot

有一个很适用的模块叫 Seaborn，除了 matplotlib 和 pandas DataFrame 有 boxplot 外，Seaborn 也有 boxplot 函数。

Seaborn 实际上是以 matplotlib 为基础的。开发者进行了大量功能方面的封装。这样做使得作图变得更加容易。

鸢尾花四个特征的箱图

import seaborn as snssns.boxplot(data=data[:-1])#切片选择前四列数据plt.show()

小提琴图（内部默认为boxplot）：

sns.violinplot(data=data[:-1])

内部填充观测值数据：

sns.violinplot(data=data[:-1],inner="stick")

04

进阶boxplot

这些分组 hue 可以通过更多分类特征的数据 tips 来介绍 。

tips = sns.load_dataset("tips") print(tips.head()) 总账单、小费、性别、吸烟者、日期、时间、人数16.99 是价格，1.01 是某个比例或数值，是女性，不是，在太阳下，吃晚餐，数量为 210.34，1.66，男性，否，太阳，晚餐，321.01 对应的是 3.50，性别为男性，没有，是在周日吃的晚餐，共 3 份。23.68 为 3.31 ，性别为男，无，晴天，晚餐，224.59 和 3.61 分别为两个数值，其中一个数值对应的是女性，并且没有特定情况，是在太阳下吃晚餐，这个情况出现了 4 次。

以 day 作为 X 轴，将 total_bill 展示出来，并且按照 smoker 进行分组。

ax = sns.boxplot(x="day", y="total_bill", hue="smoker",data=tips)plt.show()

分组后分裂模式的violinplot：

ax = sns.violinplot(x="day", y="total_bill", \  hue="smoker",data=tips,split=True)plt.show()

在boxplot上添加观测值：

ax = sns.boxplot(x="day", y="total_bill", hue="smoker",data=tips)ax = sns.stripplot(x="day", y="total_bill",\  hue="smoker",dodge=True, data=tips, \  color=".25",edgecolor="black",linewidth=0.75,palette="muted")
#只显示一个legendax 获取到图例的句柄和标签，分别赋值给 handles 和 labels 。ax 为图表的轴对象，它的 legend 方法用于添加图例。handles[0:2]表示获取前两个图形对象的句柄，labels[0:2]表示获取对应的前两个标签。通过调用 ax.legend(handles[0:2], labels[0:2])，可以在图表中添加由前两个图形对象及其对应的标签组成的图例。  title="smoker"此句有“loc=1”“framealpha=0.5”“bbox_to_anchor=(1, 0.98)”等内容，分别进行描述。此句存在“loc=1”这一情况，还有“framealpha=0.5”的设定，同时具备“bbox_to_anchor=(1, 0.98)”的特点。plt.show()

计算显著性以及加上显著线：

这里使用statannot模块，目前还不能通过pip安装。

要到 github 上去下载 statannot 的安装包，接着将其解压到你的 python 模块目录中，然后利用 setup.py 进行安装，最后导入注释模块。

python setup.py install from statannot import add_stat_annotation

使用t-test检验，加上显著线以及p-value

ax = sns.boxplot(x="day", y="total_bill", hue="smoker",data=tips)
add_stat_annotation(ax, data=tips, x="day", y="total_bill", \                    hue="smoker",                    box_pairs=[(("Thur", "No"), ("Fri", "No")),                                 (("Sat", "Yes"), ("Sat", "No")),                                 (("Sun", "No"), ("Thur", "Yes"))                                ],                    test='t-test_ind', \                    text_format='full', loc='inside',                    line_offset_to_box=0.2, \                    line_offset=0.1, line_height=0.05, \                    text_offset=8,                    verbose=2)handles, labels = ax.get_legend_handles_labels()ax.legend(handles[0:2], labels[0:2],\  title="smoker",loc=1,framealpha=0.5,bbox_to_anchor=(1, 0.88))

05

boxplot延伸

分组云雨图Raincloud：

import ptitprince as ptfig, ax = plt.subplots()pt.RainCloud(x="day", y="total_bill", hue="smoker",palette='muted',             bw = 0.2,width_viol = 0.7,alpha = 0.65,             orient = 'h',move=0.2,data=tips,ax=ax)handles, labels = ax.get_legend_handles_labels()ax.legend(handles[0:2], labels[0:2],\  title="smoker",loc=1,framealpha=0.5,bbox_to_anchor=(1, 0.98))plt.show()

结语

很多时候，感觉使用 Python 作图不如 R 方便。然而，现在 Stack Overflow 上关于 Python 作图、Pandas 数据变换等相关问题的帖子呈指数增加。正因如此，使用 Python 作图的时间成本大大降低了。使用 Python 进行文本处理之后，再结合 Pandas 的使用，使得许多 Python 的作图方法变得像 R 那样容易，而且出图效果很漂亮，对我而言，基本上能够满足科技论文作图的需求。

整个过程先是用 Python 编写文件处理脚本，接着用 Pandas 处理数据，再用 Scipy 进行科学计算，之后用 Matplotlib 和 Seaborn 进行可视化处理，这可以说是一站式地解决了数据分析问题，对于我而言，是非常流畅的用户体验。

我认为还是有必要再掌握一下 R 的作图。因为身边的同学都在用这个，大家一起交流进步的话，能够成长得更快一些。

今天关于 Python 中 boxplot 画法的简单介绍到此结束。若有问题，可在我们的公众号留言。之后我会整理一些 Python 其他的画图方法，希望大家持续关注我们。

继续浏览有关 hexnumbersstrings 的文章