使用离散变量的2D离散颜色图

Question

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，包含帧数，蛋白质残基数和蛋白质二级结构状态。帧号作为整数，次结构状态作为字符串。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列包含帧号，其余列对应于残留数字的状态（即第1帧的第6个残基的状态为'0'，第2帧的状态为'S'）。

我想根据“Struc”列中给出的字符串，根据残差编号生成帧编号的2D绘图，绘制特定颜色。手动控制字符串的颜色是可取的（避免类似的颜色）。

任何人都可以指引我使用任何特定的模块/子模块来实现这一目标吗？

注意：这适用于大量数据，文件可以达到2000帧，超过1000个残留，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。

Answer 1

以下示例如何：

1. 您首先定义数据（或者您将从文件中读取这些数据）。
2. 为单个值定义颜色映射（请参阅下面的colormap和color documentation of matplotlib）
3. 函数会将这些字母/值映射到数字，将其视为索引。相同的索引将用于访问颜色
4. 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，调整很多（例如我完全遗漏了帧数，适应y - 适当的滴答声，......）但它应该让你开始

Answer 2

以下是使用Seaborn heatmap的替代方法，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)

对于稍微复杂的情节，再加上颜色控制，您可以取出最后一行，而不是像

那样做

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])

实现这一情节。