使用离散变量的二维离散彩色图答案

【问题标题】：2D discrete colour plot using discrete variables使用离散变量的二维离散彩色图
【发布时间】：2016-06-17 11:26:17
【问题描述】：

我正在寻找一种以人类可读格式绘制一些数据的方法。我有来自模拟的数据，其中包含帧号、蛋白质残基数和蛋白质二级结构状态。帧号为整数，二级结构状态为字符串。例如：

0 1 2 3 4 5 6 7 8 9 10

1 'H' 'H' 'H' '0' 'H' '0' 'H' 'H' 'H' 'b' 'H' 'H' 'S'
2 'H' 'H' 'H' 'H' 'H' 'S' 'H' '0' 'b' 'H' 'H' 'H' 'H'

第 0 列包含帧编号，其余列对应于残基编号的状态（即，第 1 帧的残基编号 6 的状态为“0”，第 2 帧的状态为“S”）。

我想根据“Struc”列中给出的字符串绘制特定颜色的帧数与残基数的 2D 图。最好手动控制赋予字符串的颜色（以避免相似的颜色）。

谁能指导我到任何允许我这样做的特定模块/子模块？

注意：这是针对大量数据的，对于 1000 多个残基，文件可能达到 2000 帧，因此需要计算效率。我也不反对重新格式化数据，如果它使绘图更容易/可能/更快。

【问题讨论】：

如果我理解你的解释，你想要一些像热图这样的东西吗？看例子stanford.edu/~mwaskom/software/seaborn/generated/…

标签： python matplotlib plot simulation contour

【解决方案1】：

下面的例子怎么样：

您首先定义数据（或者您将从文件中读取这些数据）。
为单个值定义颜色映射（参见下面的colormap 和color documentation of matplotlib）
函数会将这些字母/值映射到一个数字，将其视为一个索引。相同的索引将用于颜色访问
使用最近邻插值和提供的颜色绘制图像

我的建议：

import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap

def toImage(frames, colormap):
    keys = list(colormap.keys())
    colors = [colormap[key] for key in keys]

    image = [[keys.index(val) for val in row[1:]] for row in frames]
    return image, colors

frames = [[0, 'H', 'H', 'H', '0', 'H', '0', 'H', 'H', 'H', 'b', 'H', 'H', 'S'],
          [1, 'H', 'H', 'H', 'H', 'H', 'S', 'H', '0', 'b', 'H', 'H', 'H', 'H']]

colormap = {'H': 'red',
            '0': 'green', 
            'S': '#4eefff',
            'b': 'b'}

image, colors = toImage(frames, colormap)

plt.imshow(image, cmap = ListedColormap(colors), interpolation = 'nearest')
plt.show()

当然，有很多需要调整的地方（例如，我完全省略了帧号，适当地调整 y-ticks，...）但它应该让你开始

【讨论】：

这很好用，唯一要添加的是对于不是 NxN 数组的数据集，最好在 imshow 函数中添加 'aspect' 参数以使颜色图具有你个人会喜欢（我的测试数据集大约是 900x100，所以颜色图一开始看起来很不一样）。感谢您的帮助。

【解决方案2】：

这是使用Seaborn heatmap 的替代方法，它可能更适合大型数据集。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap
import seaborn as sns

# create dataset
residue_state_options = ['H', '0', 'S', 'b']
residue_state_arr = np.random.choice(residue_state_options,
                                     (100, 100), p=[0.7, 0.1, 0.1, 0.1])

df = pd.DataFrame(residue_state_arr)

# map dataset to numbers
residue_state_map = {'H': 0, '0': 1, 'S': 2, 'b': 3}
df.replace(residue_state_map, inplace=True)

ax = sns.heatmap(df)

对于稍微复杂一点的情节，加上对颜色的控制，你可以去掉最后一行，而是做类似的事情

colors = ['#edf8fb', '#b2e2e2', '#66c2a4', '#238b45']

grid_kws = {'height_ratios': (0.9, 0.05), 'hspace': 0.2}
fig, (ax, cbar_ax) = plt.subplots(2, gridspec_kw=grid_kws)
ax = sns.heatmap(df, ax=ax, cbar_ax=cbar_ax, cmap=ListedColormap(colors),
                 xticklabels=False, yticklabels=False,
                 cbar_kws={'orientation': 'horizontal'})

cbar_ax.set_xticklabels(residue_state_options)
cbar_ax.xaxis.set_ticks([0.125,  0.375,  0.625,  0.875])

为了实现这个情节。

【讨论】：