使用散景或 matplotlib 来自 Pandas DataFrame 的分层饼图/甜甜圈图答案

【问题标题】：Hierarchic pie/donut chart from Pandas DataFrame using bokeh or matplotlib使用散景或 matplotlib 来自 Pandas DataFrame 的分层饼图/甜甜圈图
【发布时间】：2016-01-06 07:36:31
【问题描述】：

我有以下 pandas DataFrame（“A”是最后一列的标题；其余列是组合的层次索引）：

    A
kingdom      phylum            class             order                family                        genus              species             
No blast hit                                                                                                                           2496
k__Archaea   p__Euryarchaeota  c__Thermoplasmata o__E2                f__[Methanomassiliicoccaceae] g__vadinCA11       s__                6
k__Bacteria  p__               c__               o__                  f__                           g__                s__                5
             p__Actinobacteria c__Acidimicrobiia o__Acidimicrobiales  f__                           g__                s__                0
                               c__Actinobacteria o__Actinomycetales   f__Corynebacteriaceae         g__Corynebacterium s__stationis       2
                                                                      f__Micrococcaceae             g__Arthrobacter    s__                8
                                                 o__Bifidobacteriales f__Bifidobacteriaceae         g__Bifidobacterium s__              506
                                                                                                                       s__animalis       48
                               c__Coriobacteriia o__Coriobacteriales  f__Coriobacteriaceae          g__                s__              734
                                                                                                    g__Collinsella     s__aerofaciens     3

（包含数据的 CSV 可用here）

我想绘制一个饼图/甜甜圈图，其中每个同心圆都是一个级别（王国、门等），并根据该级别 A 列的总和进行划分，所以我以类似的结尾对此，但使用我的数据：

disk usage chart

我研究了 matplotlib 和散景，但到目前为止我发现的最相似的是散景甜甜圈图示例，它使用了一个已弃用的图表，我不知道如何推断超过 2 个级别。

【问题讨论】：

嗨，这不是pythonic的答案，但你可能对一个非常好的perl程序感兴趣，它的饼图是交互式的（你可以放大子类别），它被称为Krona工具：https://github.com/marbl/Krona/wiki。此外，正如我所见，您是 MetaPhlAn 并致力于丰富的分类单元，您可能会喜欢我的管道 metaBIT，它可以自动化 MetaPhlAn 执行和下游分析（包括制作克朗图表）：https://bitbucket.org/Glouvel/metabit

标签： python pandas matplotlib bokeh

【解决方案1】：

我不知道是否有任何预定义的东西可以做到这一点，但可以使用 groupby 和重叠饼图来构建自己的。我构建了以下脚本来获取您的数据并获得至少与您指定的内容相似的内容。

请注意，groupby 调用（用于计算每个级别的总数）必须关闭排序才能正确排列。您的数据集也很不均匀，所以为了便于说明，我只是制作了一些随机数据来稍微展开结果图表。

您可能需要调整颜色和标签位置，但这可能是一个开始。

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

df = pd.read_csv('species.csv')
df = df.dropna() # Drop the "no hits" line
df['A'] = np.random.rand(len(df)) * 100 + 1

# Do the summing to get the values for each layer
def nested_pie(df):

    cols = df.columns.tolist()
    outd = {}
    gb = df.groupby(cols[0], sort=False).sum()
    outd[0] = {'names':gb.index.values, 'values':gb.values}
    for lev in range(1,7):
        gb = df.groupby(cols[:(lev+1)], sort=False).sum()
        outd[lev] = {'names':gb.index.levels[lev][gb.index.labels[lev]].tolist(),
                     'values':gb.values}
    return outd

outd = nested_pie(df)
diff = 1/7.0

# This first pie chart fill the plot, it's the lowest level
plt.pie(outd[6]['values'], labels=outd[6]['names'], labeldistance=0.9,
        colors=plt.style.library['bmh']['axes.color_cycle'])
ax = plt.gca()
# For each successive plot, change the max radius so that they overlay
for i in np.arange(5,-1,-1):
    ax.pie(outd[i]['values'], labels=outd[i]['names'], 
           radius=np.float(i+1)/7.0, labeldistance=((2*(i+1)-1)/14.0)/((i+1)/7.0),
           colors=plt.style.library['bmh']['axes.color_cycle'])
ax.set_aspect('equal')

对random() 的调用的模数略有变化，这会产生如下图：

根据您的真实数据，它看起来像这样：

【讨论】：