R和python绘制柱状堆叠图技巧

生信技能树jimmy

发布于 2024-03-07 10:10:23

1180

发布于 2024-03-07 10:10:23

文章被收录于专栏：单细胞天地单细胞天地

柱状堆叠图在许多的单细胞文章中被使用，通过它可以更好向我们展示一个亚群中各个细胞的占比情况，可见它如此重要！！！今天，我们来使用R的ggplot2和python的matplotlib分别绘制柱状堆叠图。

绘制技巧如下图所示：

先画出图的大致轮廓，再根据需求，添加更多的细节和细节调整，一张完美的图就出来了啊！

R的ggplot2绘图

这是一张5个样本中各种免疫细胞比例情况的可视化

1.模拟数据：

library(reshape2)
library(ggplot2)
#模拟数据并创建一个5样本细胞数据集
status=c('Normal','FL','FH','DH','Tumor')
monocyte=c(0.2,0.2,0.15,0.2,0.1)
macrophage=c(0.4,0.3,0.35,0.3,0.5)
NK=c(0.2,0.15,0.1,0.12,0.05)
B=c(0.1,0.25,0.05,0.22,0.2)
T=c(0.1,0.1,0.35,0.16,0.15)
#创建数据框
data=data.frame(status=status,monocyte=monocyte,macrophage=macrophage,NK=NK,B=B,T=T)
data$Status <- factor(data$status, c('Normal','FL','FH','DH','Tumor'))
#ggplot2画图需要宽数据变成长数据 
melt.data <- melt(data, variable.name = 'Cell', value.name = 'ratio')
#配色
colors=c('#F08784','#A3A500','#00BF7D','#00B0F6','#E76BF3')

2.绘制柱状堆叠图的大致轮廓

p=ggplot(melt.data ,aes(x = Status, y = ratio, fill = Cell)) + 
  geom_bar(stat="identity")

3.添加细节和修改

 p=p+scale_fill_manual(values =colors ) + #添加柱状堆叠图颜色
  theme_bw() + 
  theme(axis.text = element_text(colour = 'black'), 
        axis.text.x = element_text(angle = 90, hjust = 1), 
        panel.grid = element_blank()) +  #设置主题背景
  labs(x = '') #修改x轴的标题

Python的matplotlib绘图

#安装matplotlib、numpy和pandas库，如果之前有安装，就不用安装了
#在pycharm终端输入下面命令就可以进行安装了
pip install matplotlib numpy pandas  -i http://pypi.tuna.tsinghua.edu.cn/simple

1.模拟数据：

#导入相关可视化库
import matplotlib.pyplot as plt,numpy as np,pandas as pd
#模拟数据并创建一个5样本细胞数据集
status=['Normal','FL','FH','DH','Tumor']
group=['T','B','NK','macrophage','monocyte']
data={'monocyte':[0.2,0.2,0.15,0.2,0.1],
      'macrophage':[0.4,0.3,0.35,0.3,0.5],
      'NK':[0.2,0.15,0.1,0.12,0.05],
      'B':[0.1,0.25,0.05,0.22,0.2],
      'T':[0.1,0.1,0.35,0.16,0.15]
}
#与R类似相当于创建一个数据框
data=pd.DataFrame(data)
#配色
colors=['#E76BF3','#00B0F6','#00BF7D','#A3A500','#F08784']

2.绘制柱状堆叠图的大致轮廓

bottom = np.zeros(5)
fig, axes = plt.subplots(figsize=(6,5),ncols=2,width_ratios=[5,1])
ax1, ax2 = axes.ravel()
ax2.axis('off')
p=[]
for k,i in enumerate(group):
    patches=ax1.bar(status, data[i].tolist(), label=i,color=colors[k],bottom=bottom)
    p.append(patches)
    bottom += data[i].values

3.添加细节和修改

#修改Y轴的标题
ax1.set_ylabel('ratio')
#添加图例和其位置调整
ax2.legend(p, group, loc='center left',frameon=False,prop={'size':12},title='Cell')
plt.tight_layout()
plt.show()

可视化结果：