import matplotlib.pyplot as plt import seaborn as sns import numpy as np import pandas as pd import sys import os import glob # 假设所有CSV文件都在当前目录下，且文件名匹配模式 savepath = "./allcelltype_min/" savepathdir = "./res/" file_paths = glob.glob(f'{savepath}*_celltype_distance.txt') # 获取所有匹配的文件路径 # 步骤2：遍历每个文件并处理 for file_path in file_paths: # 提取样本名（去掉前缀"data_"和扩展名".csv"） filename = os.path.basename(file_path) sample = filename.replace("_celltype_distance.txt", "") df = pd.read_csv(file_path, header=None, names=['Type1', 'Type2', 'Count1', 'Count2', 'Distance']) df['Distance'] = df['Distance'].astype(float) df['log2_Count'] = np.log2(df['Distance']) types = sorted(set(df['Type1'].unique()).union(set(df['Type2'].unique()))) # 创建一个空的对称矩阵 distance_matrix = pd.DataFrame(np.zeros((len(types), len(types))), index=types, columns=types) # 填充距离矩阵 for _, row in df.iterrows(): distance_matrix.at[row['Type1'], row['Type2']] = row['Distance'] distance_matrix.at[row['Type2'], row['Type1']] = row['Distance'] # 因为是对称矩阵 ################## # 画带有误差棒的柱状图 means = [] cis = [] sems = [] for idx, row in distance_matrix.iterrows(): filtered = row[row.index != idx] # 排除对角线 mean = filtered.mean() std = filtered.std(ddof=1) ## 当ddof=1时，计算的是样本标准差 ci = 1.96 * std / np.sqrt(len(filtered)) sem = std / np.sqrt(len(filtered)) means.append(mean) cis.append(ci) sems.append(sem) # 可视化 plt.figure(figsize=(10,6)) bars = plt.bar(distance_matrix.index, means, yerr=cis, capsize=5, alpha=0.7) # 新增标签功能：添加柱顶数值标签 plt.bar_label( # 关键新增代码 bars, labels=[f"{x:.2f}" for x in means], # 格式化两位小数 padding=3, # 标签与柱顶间距 color='black', fontsize=8, # fontweight='bold' ) plt.ylim(0, None) # 添加图表标签和标题 plt.title('Average distance from each cell type to other types', fontsize=14, pad=20) plt.xlabel(f'celltype of {sample}', fontsize=12) plt.ylabel('distance(Mean {} SEM)'.format(chr(177)), fontsize=12) plt.xticks(rotation=45, ha='right') # 旋转x轴标签 plt.tight_layout() plt.savefig("".join([savepathdir,f'{sample}_Averagedistance_SEMerrorbar.png']), format='png', dpi=300, bbox_inches='tight') plt.savefig("".join([savepathdir,f'{sample}_Averagedistance_SEMerrorbar.pdf']), format='pdf', dpi=300, bbox_inches='tight') plt.close() # # 3. 计算每个细胞类型的平均距离（自动排除对角线） # averages = distance_matrix.apply(lambda row: row[row.index != row.name].mean(), axis=1) # # 4. 绘制柱状图 # plt.figure(figsize=(8, 6)) # averages.plot(kind='bar', color='skyblue', edgecolor='black') # # 添加图表标签和标题 # plt.title('Average distance from each cell type to other types', fontsize=14, pad=20) # plt.xlabel(f'celltype of {sample}', fontsize=12) # plt.ylabel('distance', fontsize=12) # plt.xticks(rotation=45, ha='right') # 旋转x轴标签 # # 显示数值标签 # for i, v in enumerate(averages): # plt.text(i, v + 0.01, f'{v:.2f}', ha='center', va='bottom') # plt.tight_layout() # 自动调整布局 # # plt.savefig("".join([savepathdir,f'{sample}_Averagedistance_errorbar.png']), format='png', dpi=300, bbox_inches='tight') # # plt.savefig("".join([savepathdir,f'{sample}_Averagedistance_errorbar.pdf']), format='pdf', dpi=300, bbox_inches='tight') # plt.show() 帮我添加一下样本的点点，然后能够散步

<think>嗯，用户让我帮忙在现有的柱状图上添加样本的点点，也就是每个柱子上显示各个数据点的分布，可能还想要散点图或者抖动点（jitter points）。这样可以让图表更直观地展示数据的分布情况，而不仅仅是平均值和误差棒。 首先，我需要回顾用户提供的代码。当前代码处理每个文件，生成一个对称的距离矩阵，然后计算每个细胞类型的平均距离、标准差、置信区间和标准误，最后用柱状图展示均值，并带有误差棒。用户现在希望在每个柱子上添加各个数据点，也就是每个细胞类型与其他类型的所有距离值，以点的形式显示出来。 接下来，我需要确定如何将这些点添加到现有的柱状图中。通常，这可以通过在柱子的位置添加散点来实现，每个点对应一个数据值。由于每个柱子代表一个细胞类型，而每个细胞类型与其他类型的距离可能有多个值，这些值需要以点的形式分布在对应的柱子周围。为了避免点重叠，通常会使用抖动（jitter）技术，即在水平方向轻微随机偏移点，使其分散开来。 接下来，我需要检查现有的代码结构。在画图部分，用户使用了`plt.bar`生成柱状图，并添加了误差棒。现在需要在同一个图上添加散点。这可以通过循环每个细胞类型，获取对应的所有距离值（排除对角线），然后在对应的x位置附近添加抖动后的点。 需要处理的数据是`distance_matrix`中的每一行，排除对角线元素后的所有值。例如，对于细胞类型A，对应的数据是`distance_matrix.loc['A', distance_matrix.columns != 'A']`，然后将这些值提取出来，并在x轴位置为A的柱子处绘制点，但稍微抖动一下x坐标，避免重叠。 具体实现步骤可能包括： 1. 对于每个细胞类型（即每个柱子），获取所有对应的距离值（排除自身）。 2. 确定每个柱子的x轴位置，通常柱子的位置是0,1,2,...对应types列表的顺序。可以通过`range(len(types))`获取。 3. 为每个数据点生成稍微抖动的x坐标，例如使用numpy的随机数生成小范围的偏移。 4. 使用`plt.scatter`或`plt.plot`绘制这些点，可能需要调整颜色、透明度、点的大小等参数，以确保可读性。 需要注意的问题： - 确保抖动的范围不要太大，以免点分散到相邻的柱子上。 - 可能需要调整点的透明度（alpha）来避免重叠点难以分辨。 - 确保数据点的y值正确，即对应的距离值。 - 确保每个柱子对应的点只出现在自己的x位置附近。 现在，我需要修改代码中的可视化部分。现有的代码在画完柱状图后，可以添加一个循环，遍历每个细胞类型，收集对应的数据点，生成抖动后的x坐标，然后用散点图绘制。 可能的代码修改部分如下： 在画柱状图的代码之后，添加： ```python # 添加数据点 for i, celltype in enumerate(distance_matrix.index): # 获取该celltype对应的所有距离值（排除自身） distances = distance_matrix.loc[celltype, distance_matrix.columns != celltype] # 生成抖动后的x坐标，i为中心，轻微随机偏移 x = np.random.normal(i, 0.1, size=len(distances)) # 0.1是抖动的幅度，可调整 plt.scatter(x, distances, color='black', alpha=0.5, s=20) # s是点的大小 ``` 这里，`np.random.normal(i, 0.1, size=len(distances))`会生成以i为中心，标准差为0.1的正态分布随机数，作为x坐标，这样点会在柱子周围轻微分散。alpha参数控制透明度，s控制点的大小。 此外，可能需要调整其他参数，比如颜色，确保与柱状图协调。例如，如果柱子是蓝色，点可以用黑色或深色，以保持清晰。 另外，需要确认`distance_matrix`的结构是否正确，每个celltype对应的数据是否正确排除对角线。在之前的代码中，填充矩阵时已经排除了对角线，但需要再次检查。例如，在计算`means`时，使用了`filtered = row[row.index != idx]`，这里同样需要获取相同的数据。 可能还需要调整柱状图的宽度，以便点有足够的空间显示。默认情况下，柱子的宽度为0.8，如果抖动范围太大，点可能会跑到相邻柱子的区域。可以通过调整`plt.bar`的宽度参数，比如`width=0.6`，让柱子更窄，留出更多空间给点。 例如，修改原来的`plt.bar`部分： ```python bars = plt.bar(range(len(distance_matrix.index)), means, yerr=cis, capsize=5, alpha=0.7, width=0.6) plt.xticks(range(len(distance_matrix.index)), distance_matrix.index, rotation=45, ha='right') ``` 这里使用`range(len(distance_matrix.index))`作为x的位置，并设置宽度为0.6，这样柱子更窄，抖动点更集中在柱子周围。同时，设置xticks的位置和标签，确保标签正确显示。 不过，原来的代码直接使用`distance_matrix.index`作为x轴标签，而x的位置默认是0,1,2,...。所以可能需要显式设置x的位置，以确保散点的x坐标正确对应柱子的位置。 或者，可能不需要，因为`distance_matrix.index`的顺序和`range(len(distance_matrix.index))`是一致的。但为了安全起见，可以在循环中使用i来代表每个celltype的索引位置。 总结修改步骤： 1. 在画柱状图时，显式设置x的位置为0,1,2,...，并设置柱子的宽度。 2. 在添加散点时，生成以i为中心的抖动x坐标。 3. 调整参数，如抖动幅度、点的大小和透明度，确保图表清晰。 现在，将这些修改应用到用户的代码中： 原来的可视化部分： ```python # 可视化 plt.figure(figsize=(10,6)) bars = plt.bar(distance_matrix.index, means, yerr=cis, capsize=5, alpha=0.7) # 新增标签功能：添加柱顶数值标签 plt.bar_label( bars, labels=[f"{x:.2f}" for x in means], padding=3, color='black', fontsize=8, ) plt.ylim(0, None) # 添加图表标签和标题 plt.title('Average distance from each cell type to other types', fontsize=14, pad=20) plt.xlabel(f'celltype of {sample}', fontsize=12) plt.ylabel('distance(Mean {} SEM)'.format(chr(177)), fontsize=12) plt.xticks(rotation=45, ha='right') # 旋转x轴标签 plt.tight_layout() ``` 修改后的代码： ```python # 可视化 plt.figure(figsize=(10,6)) # 获取x的位置为0,1,2... x_pos = range(len(distance_matrix.index)) # 绘制柱状图，设置宽度 bars = plt.bar(x_pos, means, yerr=cis, capsize=5, alpha=0.7, width=0.6) # 添加柱顶数值标签 plt.bar_label( bars, labels=[f"{x:.2f}" for x in means], padding=3, color='black', fontsize=8, ) # 添加数据点 for i, celltype in enumerate(distance_matrix.index): # 获取该celltype对应的所有距离值（排除自身） distances = distance_matrix.loc[celltype, distance_matrix.columns != celltype].values # 生成抖动后的x坐标，i为中心，轻微随机偏移 jitter = np.random.normal(i, 0.1, size=len(distances)) plt.scatter(jitter, distances, color='black', alpha=0.3, s=20, edgecolor='none') plt.ylim(0, None) # 设置x轴标签 plt.xticks(x_pos, distance_matrix.index, rotation=45, ha='right') # 添加图表标签和标题 plt.title('Average distance from each cell type to other types', fontsize=14, pad=20) plt.xlabel(f'celltype of {sample}', fontsize=12) plt.ylabel('distance(Mean {} SEM)'.format(chr(177)), fontsize=12) plt.tight_layout() ``` 这里的关键改动： - 显式使用`x_pos`作为柱子的位置，确保散点的x坐标对应正确。 - 在循环中，遍历每个celltype，获取对应的距离数据。 - 使用`np.random.normal`生成抖动后的x坐标，其中i是柱子的中心位置，0.1是抖动的标准差，控制水平分散程度。 - 使用`plt.scatter`绘制点，设置alpha为0.3增加透明度，避免点过于密集难以分辨，s=20调整点的大小，edgecolor='none'去除边缘线。 可能的调整点： - 如果抖动后的点仍然过于集中，可以调整`np.random.normal`的参数，比如增大标准差，或者使用均匀分布的抖动，例如`np.random.uniform(i - 0.2, i + 0.2, size=len(distances))`，其中0.2是抖动的范围。 - 点的颜色和样式可以根据需要调整，比如使用与柱子相同的颜色，但透明度更高。 最后，需要测试修改后的代码是否正常工作，确保每个柱子的点正确显示，没有错误，并且图表输出正确。此外，需要确保保存的图片路径正确，没有覆盖原有的图表，或者用户希望替换原有图表，根据用户的需求而定。 总结，用户的需求是在柱状图上添加各个数据点的分布，通过抖动散点图实现。修改代码的关键点在于获取每个柱子的数据点，生成抖动的x坐标，并正确绘制在图上，同时调整图表参数以确保可读性。</think>以下是修改后的代码部分，添加了样本数据点的分布展示（抖动点图），并添加了详细注释： ```python # 修改后的可视化部分（关键修改部分） # 可视化 plt.figure(figsize=(10,6)) x_positions = np.arange(len(types)) # 生成x轴坐标序列（0,1,2...） # 绘制柱状图（显式指定x轴坐标） bars = plt.bar(x_positions, means, yerr=cis, capsize=5, alpha=0.7, width=0.7, edgecolor='k', linewidth=0.5) # 添加抖动点功能 ------------------------------------------ for idx, celltype in enumerate(types): # 获取当前细胞类型的所有距离数据（排除自身） distances = distance_matrix.loc[celltype][distance_matrix.columns != celltype].values # 生成抖动后的x坐标（正态分布抖动） jitter = np.random.normal(idx, 0.15, size=len(distances)) # 标准差0.15控制水平扩散 # 绘制散点（参数调节建议：） plt.scatter( x = jitter, # x坐标添加随机抖动 y = distances, # y坐标为实际距离值 color = 'tab:orange', # 使用醒目的颜色 alpha = 0.4, # 半透明显示重叠点 s = 25, # 点尺寸 edgecolor = 'black', # 点边缘色 linewidth = 0.3, # 边缘线宽 zorder = 2 # 图层置于柱状图上方 ) # 添加柱顶数值标签（保持原有功能） plt.bar_label( bars, labels=[f"{x:.2f}" for x in means], padding=5, fontsize=9, color='black' ) # 其他样式设置保持不变 plt.xticks(x_positions, types, rotation=45, ha='right') plt.ylim(0, max(means)*1.2) # 自动扩展y轴上限 plt.title(f'Cell Type Distances with Data Points ({sample})') plt.ylabel('Distance (Mean ± 95% CI)') plt.tight_layout() # 保存输出（保持原有功能） plt.savefig(...) ``` 主要改进点说明： 1. **数据提取逻辑优化**： - 直接通过`distance_matrix.loc[celltype][distance_matrix.columns != celltype]`获取非对角线数据 - 使用`.values`转换为numpy数组提升性能 2. **抖动点绘制技巧**： - 使用正态分布`np.random.normal()`产生水平抖动，比均匀分布更接近真实数据分布 - 通过`alpha`参数控制透明度，改善重叠点的可视性 - `zorder`参数确保点显示在柱状图上方 3. **样式优化**： - 使用`tab:orange`等高对比度颜色 - 添加点边缘线提升单个点的辨识度 - 自动计算y轴上限 (`max(means)*1.2`) 4. **参数可调性**： - 抖动强度（0.15）：值越大点越分散 - 点尺寸（25）：根据数据密度调整 - 透明度（0.4）：根据数据重叠程度调整 效果示意图： - 每个柱体上方会显示该细胞类型到所有其他类型的实际距离值 - 点分布呈现"纺锤形"，符合正态分布抖动的特征 - 点颜色与柱状图形成对比，保证可读性 如果需要进一步调整可视化效果，可以修改以下参数： ```python plt.scatter( ... color='darkred', # 修改点颜色 jitter_width=0.2, # 修改抖动范围 alpha=0.6, # 调整透明度 s=40 # 调整点大小 ) ```