python单细胞学习笔记-day5

生信技能树

发布于 2025-01-22 11:15:03

4500

代码可运行

文章被收录于专栏：生信技能树生信技能树

运行总次数：0

代码可运行

前面，我们生信技能树的讲师小洁老师与萌老师新开了一个学习班：《掌握Python，解锁单细胞数据的无限可能》，身为技能树的一员，近水楼台先得月，学起！下面是我的学习笔记，希望可以给你带来一点参考。

前面的学习笔记：

今天继续学习视频：python_day5 ！一口气学完吧！

touch day5.ipynb

课前复习到 30:29

plotnine语法

plotnine是python版的ggplot2，有一些细节不同。

一句代码前后要加()
列名要带引号
形状不能用数字
用加号连接的代码不缩进

示例数据

还是使用的seaborn模块里面的iris数据：

import pandas as pd
iris = pd.read_csv("day4/iris.csv")
iris.head()

安装一下今天需要使用的模块：

# bash终端
conda activate sc
pip install plotnine -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple

pip install patchworklib -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple

导入模块：这里引入了plotnine里面所有的函数，这样就不需要每次都写plotnine.xx函数。

from plotnine import *

1.入门级绘图模版

需要的数据：横坐标、纵坐标，需要卸载aes的括号里面

(ggplot(data=iris) +
 geom_point(aes(x='sepal_length', y='petal_length')))

非常具有ggplot2的风格！

2.属性设置

属性包括：

属性	参数
颜色	color
大小	size
形状	shape
透明度	alpha
填充颜色	fill

2.1 统一设置

统一设置需要设为有意义的值。

颜色：字符串，blue，red或者颜色编码（后面介绍）
大小：单位mm
形状：数字编号表示

shape	o	.	,	v	^	<	>	1	2	3	4	s	p	*	h	H	+	x	D	d
形状	圆圈	点	像素点	倒三角	正三角	左三角	右三角	下箭头	上箭头	左箭头	右箭头	正方形	五角形	星号	六边形	另一种六边形	加号	叉号	菱形	瘦菱形

修改颜色：color='blue'

(ggplot(data=iris) + 
 geom_point(aes(x='sepal_length', y='petal_length'), 
            color='blue'))

**修改其他属性 size=5、alpha=0.5、shape='*'**

(ggplot(data=iris) + 
 geom_point(aes(x='sepal_length', y='petal_length'), 
            size=5,     # 点的大小5mm
            alpha=0.5,  # 透明度 50%
            shape='*'))   # 点的形状

2.2 映射：按照数据框的某一列来定义图的某个属性

根据“species”列来定义“颜色”这个属性，即：相同的值是相同的颜色，不同的值对应不同的颜色，有三个值所以自动分配了三种颜色。

note：需要写到aes括号里面。

(ggplot(data=iris) +
 geom_point(aes(x='sepal_length', y='petal_length', color='species')))

2.2.1 自行指定映射的具体颜色

可以使用 scale_xx_manual 的函数

具体的颜色名：

(ggplot(data=iris) +
 geom_point(aes(x='sepal_length', y='petal_length', color='species')) +
 scale_color_manual(values=['blue', 'green', 'red']))

颜色编码：

# 十六进制颜色
(ggplot(data=iris) +
 geom_point(aes(x='sepal_length', y='petal_length', color='species')) +
 scale_color_manual(values=['#2874C5', '#e6b707', '#f87669']))

2.2.2 最好的配色库pypalettes

上一节课也出现了这个配色网址：在这里看有哪些配色，2500+种！https://python-graph-gallery.com/color-palette-finder/

import pypalettes 
cs = pypalettes.load_cmap('Abbott')
cs.colors

(ggplot(data=iris) +
 geom_point(aes(x='sepal_length', y='petal_length', color='species')) +
 scale_color_manual(values=cs.colors))

很方便换主题：

# 直接在这里换主题即可
pypalettes.load_cmap('a_palette')

2.2.3 区分color和fill参数

默认实心
如需空心形状，写fill = 'none'

# 实心形状，用color设置颜色
(ggplot(data=iris) +
 geom_point(aes(x='sepal_length', y='petal_length', color='species'), 
            shape='^',size = 3))

空心：fill = 'none'

shape='h'：六边形

# 空心形状，fill = 'none'
(ggplot(data=iris) +
 geom_point(aes(x='sepal_length', y='petal_length', color='species'), 
            shape='h',size = 3, fill='none'))

同时设置边框和填充色：红绿搭配，干活不累，哈哈哈哈

# 双色,color设置边框颜色，fill设置填充颜色
(ggplot(data=iris) +  
 geom_point(aes(x='sepal_length', y='petal_length'), 
            shape='^', 
            color='red', 
            fill='green',
            size = 3))

3.几何对象

几何对象：geom_开头的函数

可以在同一个图里面面叠加多个几何对象，但是代码变得罗嗦了：写了两遍aes(x='sepal_length', y='petal_length')。

(ggplot(data=iris) + 
 geom_smooth(aes(x='sepal_length', y='petal_length')) +
 geom_point(aes(x='sepal_length', y='petal_length')))

简化：将aes(x='sepal_length', y='petal_length')放在ggplot括号里

(ggplot(data=iris, mapping=aes(x='sepal_length', y='petal_length')) +
 geom_smooth() +
 geom_point())

4.位置调整

geom_point()：相同位置的点重叠在一起，信息被隐藏

(ggplot(data=iris, mapping=aes(x='species', y='sepal_width')) + 
 geom_boxplot(aes(fill='species'),alpha = 0.5) +
 geom_point())

解决办法：使用 geom_jitter函数

(ggplot(data=iris, mapping=aes(x='species', y='sepal_width')) + 
 geom_boxplot(aes(fill='species'),alpha = 0.5) +
 geom_jitter())

5.坐标系

使用coord_flip() 进行坐标轴翻转：

(ggplot(data=iris, mapping=aes(x='species', y='sepal_width')) + 
 geom_boxplot(aes(fill='species'),alpha = 0.5) +
 geom_jitter() + 
 coord_flip()) #横纵坐标互换

6.主题

改一个试试：theme_bw()

# theme_bw()
(ggplot(data=iris, mapping=aes(x='species', y='sepal_width')) + 
 geom_boxplot(aes(fill='species'),alpha = 0.5) +
 geom_jitter() + 
 theme_bw())

theme_classic()：

# theme_classic()
(ggplot(data=iris, mapping=aes(x='species', y='sepal_width')) + 
 geom_boxplot(aes(fill='species'),alpha = 0.5) +
 geom_jitter() + 
 theme_classic())

7.保存

使用ggsave()：

p = (ggplot(data=iris, mapping=aes(x='species', y='sepal_width', fill='species')) + 
 geom_boxplot(alpha = 0.5) +
 geom_jitter() + 
 theme_bw())
ggsave(p,filename="boxplot.png")

8.拼图

使用 patchworklib模块：

import patchworklib as pw

p1 = (ggplot(data=iris) +
      geom_point(aes(x='sepal_length', y='petal_length')))

p2 = (ggplot(data=iris) +
      geom_boxplot(aes(x='species', y='sepal_length')))

# 使用patchworklib加载plotnine图表
g1 = pw.load_ggplot(p1, figsize=(2,3))
g2 = pw.load_ggplot(p2, figsize=(2,3))
g1|g2

下一个知识点讲解 01：42：28

1.NA缺失值

判断是否是缺失值：pd.isna()
插补缺失值：pd.fill_na()

1.1 判断是否是缺失值

在python中，NaN、NULL、NA、None都是缺失值的意思，但在R语言：

NaN表示非数值(Not a Number)，计算0/0或者计算负数的平方根时会得出。
NULL表示没有、不存在
NA 表示缺失值，特指存在但未知的值。
含缺失值的数据集非常常见。写代码时提到缺失值要写None或者是np.NaN，np.NAN,np.nan。

构造一个含有缺失值的数据框：写的时候是None，但是显示为NaN，python中这两者不区分。

import pandas as pd

df = pd.DataFrame({'gene':['gene1','gene2','gene3'],
                   'sample1':[None,16.0,3.0],
                   'sample2':[2,11,1]})
print(df)

# 判断是否含有缺失值
pd.isna(df.sample1)

# 统计有多少个缺失值
df['sample1'].isna().value_counts()

1.2 插补缺失值

.fillna()函数：将列中的所有缺失值替换为提供的值。

例如：将 sample1 列里面的 NA 填充上该列的平均值，传递给 f 列：

df['sample1_f'] = df['sample1'].fillna(df['sample1'].mean())
print(df)

2.Apply 和自定义函数

计算每行/每列的函数运算结果，例如平均值

python 里的apply是axis = 1表示行，0表示列, 0是默认值

2.1 示例数据

使用 pandas 构建一个数据框：

import pandas as pd
import numpy as np

# 固定随机种子，保证结果可复现
np.random.seed(42)  
df = pd.DataFrame({
    'student_id': range(1, 11),  # 学生ID
    'student_group':['group1']*5+['group2']*5,
    'math_score': np.random.randint(50, 100, 10),  # 数学分数
    'english_score': np.random.randint(50, 100, 10),  # 英语分数
})
print(df)

2.2 apply + 现有的函数

var：方差
axis = 1：按行

# 两列求方差
df[['math_score','english_score']].apply('var') 

# 每一行求标准差
df[['math_score','english_score']].apply('std',axis = 1) 

# 现有函数
df[['math_score','english_score']].std(axis=1)

2.3 apply + 自定义函数

def：是自定义函数，后面跟函数名称（参数）

自定义一个函数：

def calculate_grade(score):
    if score >= 90:
        return 'A'
    elif score >= 80:
        return 'B'
    elif score >= 70:
        return 'C'
    elif score >= 60:
        return 'D'
    else:
        return 'F'

3.groupby 完成分组计算

例如：计算 group1 和 group2 组的学生数学平均分是多少

import pandas as pd
import numpy as np

# 固定随机种子，保证结果可复现
np.random.seed(42)  
df = pd.DataFrame({
    'student_id': range(1, 11),  # 学生ID
    'student_group':['group1']*5+['group2']*5,
    'math_score': np.random.randint(50, 100, 10),  # 数学分数
    'english_score': np.random.randint(50, 100, 10),  # 英语分数
})
print(df)

df.groupby('student_group')['math_score'].mean()

agg()函数：

# 计算group1和group2组学生的数学分数的最小值、最大值、和
# 一列
print(df.groupby("student_group")["math_score"].agg(['min', 'max', 'sum']))

# 多列：数学 和英语
result = df.groupby("student_group").agg({
    "math_score": ["min", "max", "sum"],
    "english_score": ["min", "max", "sum"]
})
print(result)

4.综合应用

4.1 批量读取文件

os.listdir()函数：
使用for循环读取
使用推导式读取

index_col=0：第一列读取为行名

import os
import pandas as pd

files = os.listdir('day5/raw_data')
print(files)

# 使用`for`循环读取 
result = []
for x in files:
    result.append(pd.read_table("day5/raw_data/"+x,index_col=0,header = None,names = [x]))
print([x.shape for x in result])

使用推导式去读

import os
import pandas as pd

files = os.listdir('day5/raw_data')
print(files)

# 使用推导式完成读取

result2 = [pd.read_table("day5/raw_data/"+x,index_col=0,header = None,names = [x]) for x in files]

print([x.shape for x in result2])
# 查看一个文件内容
print(result2[0].head())

4.2 合成一个表达矩阵

使用 pd.concat() 函数，axis=1按照列合并

re = pd.concat(result2, axis=1)
print(re.head())
print(re.iloc[0:4,0:4])

4.3 清除不以ENSG开头的行

re = re[re.index.str.startswith('ENSG')]
re.shape

4.4 找出方差最大的10个基因

axis = 1：按行
sort_values：排序
ascending = False：降序排列
.index：输出行名

re.var(axis = 1).sort_values(ascending = False).head(10).index

更简洁的办法：

.nlargest()：最大的几个
.nsmallest()：最小的几个

genes = re.var(axis = 1).nlargest(10).index
print(genes)

genes = re.var(axis = 1).nlargest(10)
print(genes)

第五天的视频刷完~

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2025-01-21，如有侵权请联系 cloudcommunity@tencent.com 删除

数据

本文分享自生信技能树微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

登录后参与评论

0 条评论

热度