教你怎么用python绘制dotplot

一、前言

R语言不少库都可以方便的画dotplot，但是低频使用R这么多年，我依旧觉得R不是一门真正的编程语言。目前，在python中绘制dotplot貌似没有很轻量、方便的库，因此工作之余写了这个python_dotplot包，方便自己也希望能够方便他人吧。

二、安装

可以通过pypi快速安装:

pip install python_dotplot

该package当然可能存在一定的bug，所以也会处于不断迭代的过程中，可以通过以下方式获得特定或最新版本

pip install python_dotplot --upgrade
pip install python_dotplot==0.0.1b1

如果通过--upgrade参数不能获得最新版本，国内镜像会有一定的延迟，可指定pypi官方源指定镜像：

pip install -i https://pypi.python.org/pypi python_dotplot

三、模块导入

import dotplot
import dotplot.utils
import pandas as pd

%config InlineBackend.figure_format = \'retina\'  # 如果你的电脑设备是视网膜屏，可指定该参数渲染jupyter图像，会超清晰，超好看

包的层级结构很简单，主要包括以下模块：

dotplot

├── cmap.py # 自定义color map

├── core.py # 实现了Dotplot类，用于封装数据以及绘图

├── hierarchical.py # 实现了层次聚类，用于支持dotplot行和列通过层次聚类进行自动排序

├── __init__.py # 初始化模块

└── utils.py # 实用函数，目前是夹带私货，我自己用的预处理函数，也许对其他人也有用

四、数据准备

我们首先需要准备一个数据，这里要求输入必须是一个tidy data格式的pandas Dataframe，简而言之，tidy data是指在该数据框中每一行是一个观测，每一列是一个属性,下面以示例数据为例:

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()

	Description	GeneRatio	BgRatio	pvalue	p.adjust	qvalue	geneID	Count	group
ID
GO:0002455	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
GO:0006958	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
GO:0006956	complement activation	20/178	175/18670	15.453684	13.008859	13.085251	CD55/IGHM/TRBC2/IGHG2/IGKV3-20/IGHV4-34/IGHV3-…	20	B6_up
GO:0038096	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
GO:0002673	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

五、画图

首先我们可以借助 DotPlot的类方法parse_from_tidy_data 对数据进行封装，然后直接调用plot函数进行绘图。当然，你也可以通过DotPlot的构造函数__init__()来实例化DotPlot对象。

一维数据展示

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\')  # 通过size_factor 调节图中点的大小

dp = dotplot.DotPlot.parse_from_tidy_data(data, item_key=\'Description\', group_key=\'group\', sizes_key=\'Count\')  # 该效果完全同上，这是python语言特性
sct = dp.plot(size_factor=10, cmap=\'Reds\')

二维数据展示

我们可以通过color_key指定data中的列做颜色映射。

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)

三维数据展示

可以通过circle_key增加一列作为虚线圆圈的映射。

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)

当然，更多的参数我们可以通过signature来查看，我对这些参数都做了类型注释，应该是通俗易懂的：

?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_color
            other 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，我们可以通过关键字参数修改图例中的部分组件：

sct = dp.plot(size_factor=10, cmap=\'Reds\', cluster_row=True,
dot_title = \'Count\', circle_title=\'-log10(qvalue)\',
colorbar_title = \'-log10(pvalue)\')