Данные¶

In [61]:

import numpy as np
import pandas as pd
import seaborn as sns

In [62]:

df = pd.read_csv("data/primary.tsv", sep="\t")

In [67]:

df.head(3)

Out[67]:

	Ensembl ID	Uniprot IDs	Log10 length	Symbol	Log10 degree	B cell log10 FPKM	Neuron log10 FPKM
0	ENSG00000000003	A0A087WYV6_HUMAN A0A087WZU5_HUMAN TSN6_HUMAN	4.178517	TSPAN6	0.698970	-1.045757	1.294687
1	ENSG00000000005	TNMD_HUMAN	4.110017	TNMD	0.000000	-2.000000	-2.000000
2	ENSG00000000419	H0Y368_HUMAN DPM1_HUMAN Q5QPJ9_HUMAN Q5QPK2_HUMAN	4.649695	DPM1	1.176091	0.980458	1.652246

Seaborn - рецепты¶

In [4]:

import seaborn as sns

Распределение - sns.distplot¶

In [5]:

sns.distplot(df["Neuron log10 FPKM"])

Out[5]:

<matplotlib.axes._subplots.AxesSubplot at 0x7f8f589abda0>

Стиль, палитра¶

In [37]:

sns.set_style("darkgrid")
sns.set_palette("muted")

In [9]:

sns.distplot(df["Neuron log10 FPKM"])

Out[9]:

<matplotlib.axes._subplots.AxesSubplot at 0x7f8f59404c18>

title

Глобальные параметры - matplotlib.rcParams¶

In [16]:

import matplotlib as mpl

In [168]:

width, height = 10, 6
mpl.rcParams['figure.figsize'] = [width, height]

In [38]:

sns.distplot(df["Neuron log10 FPKM"])

Out[38]:

<matplotlib.axes._subplots.AxesSubplot at 0x7f8f55ea87b8>

Подписи по осям¶

In [39]:

sns.distplot(b_cell_expr_logs)
plt.title("FPKM distribution", size=18)
plt.xlabel("B cell log10 FPKM", size=15)
plt.ylabel("Density", size=15)

Out[39]:

Text(0,0.5,'Density')

Отметки по осям¶

In [173]:

sns.distplot(b_cell_expr_logs)
plt.title("FPKM distribution", size=18)
plt.xticks(size=15)
plt.yticks(size=15)

Out[173]:

(array([0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6]),
 <a list of 7 Text yticklabel objects>)

Двумерное распределение - sns.jointplot¶

In [188]:

sns.jointplot("B cell log10 FPKM", "Neuron log10 FPKM", 
              data=df, kind="scatter")

Out[188]:

<seaborn.axisgrid.JointGrid at 0x7f8f27b93ac8>

Плотность двумерного распределения¶

In [189]:

sns.jointplot("B cell log10 FPKM", "Neuron log10 FPKM", data=df, kind="kde")

Out[189]:

<seaborn.axisgrid.JointGrid at 0x7f8f27a35dd8>

Оптимальный вариант¶

In [191]:

sns.jointplot("B cell log10 FPKM", "Neuron log10 FPKM", data=df, kind="scatter", alpha=0.1)

Out[191]:

<seaborn.axisgrid.JointGrid at 0x7f8f27653da0>

Ящики с усами - sns.boxplot¶

In [196]:

expr_df = pd.DataFrame()
expr_df["Log10 FPKM"] = pd.concat([df["B cell log10 FPKM"], 
                                   df["Neuron log10 FPKM"]])
expr_df["Cell adhesion"] = pd.concat([df["cell adhesion"], 
                                      df["cell adhesion"]])
expr_df["Cell type"] = ["B cells" for _ in range(len(df))] + ["Neurons" for _ in range(len(df))]

In [221]:

expr_df.sample(3)

Out[221]:

	Log10 FPKM	Cell type
4718	-2.000000	Neurons
1547	1.555699	B cells
1189	0.729165	B cells

In [113]:

sns.boxplot("Cell type", "Log10 FPKM", hue="Cell adhesion", data=expr_df)

Out[113]:

<matplotlib.axes._subplots.AxesSubplot at 0x7f8f3f07add8>

А если посмотреть на митохондрии?¶

In [117]:

sns.boxplot("Cell type", "Log10 FPKM", hue="Mitochondrion organization", data=expr_df)

Out[117]:

<matplotlib.axes._subplots.AxesSubplot at 0x7f8f3c984320>

Тепловая карта - sns.heatmap¶

In [115]:

sns.heatmap(df[["Neuron log10 FPKM", "B cell log10 FPKM"]])

Out[115]:

<matplotlib.axes._subplots.AxesSubplot at 0x7f8f3ec80550>

Скластеризованная тепловая карта - sns.clustermap¶

In [223]:

sns.clustermap(df_expr, cmap="spring", figsize=(6, 5))

Out[223]:

<seaborn.matrix.ClusterGrid at 0x7f8f27367dd8>

Когда приходится использовать matplotlib¶

In [ ]:

import matplotlib.pyplot as plt
import numpy as np

In [233]:

x = np.arange(200)
sqr_x = x ** 2 / 100

Легенда¶

In [264]:

plt.plot(x, sqr_x, color="red")
plt.plot(x, x, color="blue")
plt.legend(["quadratic", "linear"], loc="upper center")

Out[264]:

<matplotlib.legend.Legend at 0x7f8f250c3710>

Ключевые вещи по seaborn и matplotlib¶

Seaborn написан на matplotlib
Seaborn создан для того, чтобы сделать всё хорошо :)
sns.distplot - распределение
sns.jointplot - двумерное распределение
sns.boxplot - ящики с усами
sns.clustermap - кластеризованная теплокарта
mpl.rcParams - глобальные параметры отрисовки графиков
plt.xlabel, plt.ylabel - подписи по осям
plt.xticks, plt.yticks - отметки по осям
plt.title - название наверху
plt.legend - легенда

Altair¶

In [7]:

import altair as alt

In [8]:

chart = alt.Chart(df, max_rows=20000)

Гистограмма¶

In [12]:

chart.mark_bar().encode(
    x=alt.X("Neuron log10 FPKM:Q", bin=True),
    y=alt.Y("count(*):Q")
)

Совместное распределение¶

In [48]:

alt.Chart(df, max_rows=20000).mark_circle(color="blue", fillOpacity=0.2).encode(
    x=alt.X("Neuron log10 FPKM"),
    y=alt.Y("B cell log10 FPKM"),
)

Аггрегаторные функции¶

In [54]:

alt.Chart(df, max_rows=20000).mark_bar(color="blue").encode(
    x=alt.X("Log10 degree:Q", bin=alt.Bin(maxbins=15)),
    y=alt.Y("average(B cell log10 FPKM):Q"),
)

Размер¶

In [58]:

alt.Chart(df, max_rows=20000).mark_circle().encode(
    x=alt.X("Log10 degree:Q", bin=alt.Bin(maxbins=15)),
    y=alt.Y("B cell log10 FPKM:Q", bin=alt.Bin(maxbins=40)),
    size=alt.Size("count(*):Q")
)

Цвет¶

In [60]:

alt.Chart(df, max_rows=20000).mark_circle().encode(
    x=alt.X("Log10 degree:Q", bin=alt.Bin(maxbins=15)),
    y=alt.Y("B cell log10 FPKM:Q", bin=alt.Bin(maxbins=40)),
    size=alt.Size("count(*):Q"),
    color=alt.Color("average(Neuron log10 FPKM):Q")
)

Ключевые моменты вообще¶

Seaborn рисует красиво и всё делает за вас, но недостаточно гибкий
Если можете, используйте seaborn
Но будущее за библиотеками, основанными на графических грамматиках, как Altair
Кстати, он тоже всё делает за вас