Barplots

Python包，可轻松从多索引数据框中制作柱状图。

我该如何安装这个包？

像往常一样，只需使用pip下载即可

pip install barplots

文档

大多数方法，特别是那些提供给用户使用的方法，都提供了文档字符串。请考虑阅读这些文档字符串，了解库的最新更新。

DataFrame结构示例

提供给barplots库的数据框可能看起来如下

具体来说，在这个例子中，我们可能通过按evaluation_type、unbalance、graph_name和normalization_name列分组，为Miss rate、fallout和Matthew Correlation Coefficient这些特征创建柱状图。

一个示例CSV文件可以在这里查看：这里。

使用示例

以下是一些常见用法的示例。基本上，每个图表都显示相同的数据或基于提供的分组索引的均值。根据您数据的可视化效果选择最佳表示方式，因为对于每个数据集，一种表示不一定比另一种更好。

注意：以下示例中使用的数据是用于测试目的的随机生成的。请不要将这些值视为使用相同标签（细胞系等）的实验的有效结果，这些标签仅用于展示可能的用法。

对于每个示例，所考虑的数据框df的加载方式如下

import pandas as pd

df = pd.read_csv("tests/test_case.csv")

此外，对于每个示例，用于清洗特定于数据集标签的custom_defaults

custom_defaults = {
    "P": "promoters",
    "E": "enhancers",
    "A": "active ",
    "I": "inactive ",
    "+": " and ",
    "": "anything",
    "Validation": "val"
}

水平示例A

在以下示例中，我们将水平绘制条形图，将组标签旋转90度，并将条形标签显示为共享图例。

from barplots import barplots
import pandas as pd

df = pd.read_csv("tests/test_case.csv")
custom_defaults = {
    "P": "promoters",
    "E": "enhancers",
    "A": "active ",
    "I": "inactive ",
    "+": " and ",
    "": "anything",
    "Validation": "val"
}

barplots(
    df,
    groupby=["task", "model"],
    orientation="horizontal",
    show_legend=True,
    minor_rotation=90,
    custom_defaults=custom_defaults
)

结果可在此处查看 此处。

水平示例B

在这个示例中，我们将使用水平条形图绘制顶部索引作为多个子图，将组标签旋转90度，并将条形标签显示为共享图例。

from barplots import barplots
import pandas as pd

df = pd.read_csv("tests/test_case.csv")
custom_defaults = {
    "P": "promoters",
    "E": "enhancers",
    "A": "active ",
    "I": "inactive ",
    "+": " and ",
    "": "anything",
    "Validation": "val"
}

barplots(
    df,
    groupby=["cell_line", "task", "model"],
    orientation="horizontal",
    show_legend=True,
    subplots=True,
    minor_rotation=90,
    custom_defaults=custom_defaults
)

水平示例C

在这个示例中，我们将绘制水平条形图，将顶部组标签旋转90度，并将条形标签显示为次要刻度。

from barplots import barplots
import pandas as pd

df = pd.read_csv("tests/test_case.csv")
custom_defaults = {
    "P": "promoters",
    "E": "enhancers",
    "A": "active ",
    "I": "inactive ",
    "+": " and ",
    "": "anything",
    "Validation": "val"
}

barplots(
    df,
    groupby=["task", "model"],
    orientation="horizontal",
    show_legend=False,
    major_rotation=90,
    custom_defaults=custom_defaults
)

结果可在此处查看 此处。

水平示例D

在这个示例中，我们将使用水平条形图绘制顶部索引作为多个子图，将组标签旋转90度，并将条形标签显示为次要刻度。

from barplots import barplots
import pandas as pd

df = pd.read_csv("tests/test_case.csv")
custom_defaults = {
    "P": "promoters",
    "E": "enhancers",
    "A": "active ",
    "I": "inactive ",
    "+": " and ",
    "": "anything",
    "Validation": "val"
}

barplots(
    df,
    groupby=["cell_line", "task", "model"],
    orientation="horizontal",
    show_legend=False,
    major_rotation=90,
    subplots=True,
    custom_defaults=custom_defaults
)

垂直示例A

在这个示例中，我们将垂直绘制条形图，并将条形标签显示为共享图例。

from barplots import barplots
import pandas as pd

df = pd.read_csv("tests/test_case.csv")
custom_defaults = {
    "P": "promoters",
    "E": "enhancers",
    "A": "active ",
    "I": "inactive ",
    "+": " and ",
    "": "anything",
    "Validation": "val"
}

barplots(
    df,
    groupby=["task", "model"],
    orientation="vertical",
    show_legend=True,
    custom_defaults=custom_defaults
)

结果可在此处查看 此处。

垂直示例B

在这个示例中，我们将使用垂直条形图绘制顶部索引作为多个子图，并将条形标签显示为共享图例。

from barplots import barplots
import pandas as pd

df = pd.read_csv("tests/test_case.csv")
custom_defaults = {
    "P": "promoters",
    "E": "enhancers",
    "A": "active ",
    "I": "inactive ",
    "+": " and ",
    "": "anything",
    "Validation": "val"
}

barplots(
    df,
    groupby=["cell_line", "task", "model"],
    orientation="vertical",
    show_legend=True,
    subplots=True,
    custom_defaults=custom_defaults
)

垂直示例C

在这个示例中，我们将绘制垂直条形图，将次要组标签旋转90度，并将条形标签显示为次要刻度。

from barplots import barplots
import pandas as pd

df = pd.read_csv("tests/test_case.csv")
custom_defaults = {
    "P": "promoters",
    "E": "enhancers",
    "A": "active ",
    "I": "inactive ",
    "+": " and ",
    "": "anything",
    "Validation": "val"
}

barplots(
    df,
    groupby=["task", "model"],
    orientation="vertical",
    show_legend=False,
    minor_rotation=90,
    custom_defaults=custom_defaults
)

结果可在此处查看 此处。

垂直示例D

在这个示例中，我们将使用垂直条形图绘制顶部索引作为多个子图，将次要组标签旋转90度，并将条形标签显示为次要刻度。

from barplots import barplots
import pandas as pd

df = pd.read_csv("tests/test_case.csv")
custom_defaults = {
    "P": "promoters",
    "E": "enhancers",
    "A": "active ",
    "I": "inactive ",
    "+": " and ",
    "": "anything",
    "Validation": "val"
}

barplots(
    df,
    groupby=["cell_line", "task", "model"],
    orientation="vertical",
    show_legend=False,
    minor_rotation=90,
    subplots=True,
    custom_defaults=custom_defaults
)