当前位置:首页 » 《随便一记》 » 正文

python数据分析绘图

1 人参与  2022年11月27日 12:33  分类 : 《随便一记》  评论

点击全文阅读


ROC-AUC曲线(分类模型)

混淆矩阵

在这里插入图片描述
混淆矩阵中所包含的信息

True negative(TN),称为真阴率,表明实际是负样本预测成负样本的样本数(预测是负样本,预测对了)False positive(FP),称为假阳率,表明实际是负样本预测成正样本的样本数(预测是正样本,预测错了)False negative(FN),称为假阴率,表明实际是正样本预测成负样本的样本数(预测是负样本,预测错了)True positive(TP),称为真阳率,表明实际是正样本预测成正样本的样本数(预测是正样本,预测对了)
ROC曲线示例
在这里插入图片描述

可以看到,ROC曲线的纵坐标为真阳率true positive rate(TPR)(也就是recall),横坐标为假阳率false positive rate(FPR)。
TPR即真实正例中对的比例,FPR即真实负例中的错的比例。

真正类率(True Postive Rate)TPR:
TPR=TP/(TP+FN)
代表分类器 预测为正类中实际为正实例占所有正实例 的比例。假正类率(False Postive Rate)FPR:
FPR=FP/(FP+TN)
代表分类器 预测为正类中实际为负实例 占 所有负实例 的比例。
在这里插入图片描述

可以看到,右上角的阈值最小,对应坐标点(1,1);左下角阈值最大,对应坐标点为(0,0)。从右上角到左下角,随着阈值的逐渐减小,越来越多的实例被划分为正类,但是这些正类中同样也掺杂着真正的负实例,即TPR和FPR会同时增大。

横轴FPR: FPR越大,预测正类中实际负类越多。纵轴TPR:TPR越大,预测正类中实际正类越多。理想目标:TPR=1,FPR=0,即图中(0,1)点,此时ROC曲线越靠拢(0,1)点,越偏离45度对角线越好。

AUC值是什么?

AUC(Area Under Curve)被定义为ROC曲线下与坐标轴围成的面积,显然这个面积的数值不会大于1。又由于ROC曲线一般都处于y=x这条直线的上方,所以AUC的取值范围在0.5和1之间。

AUC越接近1.0,检测方法真实性越高;等于0.5时,则真实性最低,无应用价值。
在这里插入图片描述

ROC曲线绘制的代码实现

#导入库from sklearn.metrics import confusion_matrix,accuracy_score,f1_score,roc_auc_score,recall_score,precision_score,roc_curveimport matplotlib.pyplot as pltfrom sklearn.metrics import roc_curve, aucimport matplotlib.pyplot as plt  #绘制roc曲线   def calculate_auc(y_test, pred):    print("auc:",roc_auc_score(y_test, pred))    fpr, tpr, thersholds = roc_curve(y_test, pred)    roc_auc = auc(fpr, tpr)    plt.plot(fpr, tpr, 'k-', label='ROC (area = {0:.2f})'.format(roc_auc),color='blue', lw=2)    plt.xlim([-0.05, 1.05])    plt.ylim([-0.05, 1.05])    plt.xlabel('False Positive Rate')    plt.ylabel('True Positive Rate')    plt.title('ROC Curve')    plt.legend(loc="lower right")    plt.plot([0, 1], [0, 1], 'k--')    plt.show()

相关性热图

表示数据之间的相互依赖关系。但需要注意,数据具有相关性不一定意味着具有因果关系。

相关系数(Pearson)

相关系数是研究变量之间线性相关程度的指标,而相关关系是一种非确定性的关系,数据具有相关性不能推出有因果关系。相关系数的计算公式如下:
在这里插入图片描述
其中,公式的分子为X,Y两个变量的协方差,Var(X)和Var(Y)分别是这两个变量的方差。当X,Y的相关程度最高时,即X,Y趋近相同时,很容易发现分子和分母相同,即r=1。

代码实现

相关性计算
import numpy as npimport pandas as pd# compute correlationsfrom scipy.stats import spearmanr, pearsonrfrom scipy.spatial.distance import cdistdef calc_spearman(df1, df2):df1 = pd.DataFrame(df1)df2 = pd.DataFrame(df2)    n1 = df1.shape[1]    n2 = df2.shape[1]    corr0, pval0 = spearmanr(df1.values, df2.values)    # (n1 + n2) x (n1 + n2)    corr = pd.DataFrame(corr0[:n1, -n2:], index=df1.columns, columns=df2.columns)    pval = pd.DataFrame(pval0[:n1, -n2:], index=df1.columns, columns=df2.columns)    return corr, pvaldef calc_pearson(df1, df2):df1 = pd.DataFrame(df1)df2 = pd.DataFrame(df2)    n1 = df1.shape[1]    n2 = df2.shape[1]    corr0, pval0 = np.zeros((n1, n2)), np.zeros((n1, n2))    for row in range(n1):        for col in range(n2):            _corr, _p = pearsonr(df1.values[:, row], df2.values[:, col])            corr0[row, col] = _corr            pval0[row, col] = _p    # n1 x n2    corr = pd.DataFrame(corr0, index=df1.columns, columns=df2.columns)    pval = pd.DataFrame(pval0, index=df1.columns, columns=df2.columns)    return corr, pval
画出相关性图
import matplotlib.pyplot as pltimport seaborn as snsdef pvalue_marker(pval, corr=None, only_pos=False):    if only_pos:  # 只标记正相关        if corr is None:              print('correlations `corr` is not provided, '                  'negative correlations cannot be filtered!')        else:            pval = pval + (corr < 0).astype(float)    pval_marker = pval.applymap(lambda x: '**' if x < 0.01 else ('*' if x < 0.05 else ''))    return pval_markerdef plot_heatmap(    mat, cmap='RdBu_r',     xlabel=f'column', ylabel=f'row',    tt='',    fp=None,    **kwds):    fig, ax = plt.subplots()    sns.heatmap(mat, ax=ax, cmap=cmap, cbar_kws={'shrink': 0.5}, **kwds)    ax.set_title(tt)    ax.set_xlabel(xlabel)    ax.set_ylabel(ylabel)    if fp is not None:        ax.figure.savefig(fp, bbox_inches='tight')    return ax

实例

#构造有一定相关性的随机矩阵df1 = pd.DataFrame(np.random.randn(40, 9))df2 = df1.iloc[:, :-1] + df1.iloc[:, 1: ].values * 0.6df2 += 0.2 * np.random.randn(*df2.shape)
#绘图corr, pval = calc_pearson(df1, df2)pval_marker = pvalue_marker(pval, corr, only_pos=only_pos)tt = 'Spearman correlations'plot_heatmap(    corr, xlabel='df2', ylabel='df1',    tt=tt, cmap='RdBu_r', #vmax=0.75, vmin=-0.1,    annot=pval_marker, fmt='s',)

在这里插入图片描述
only_pos 这个参数为 False 时, 会同时标记显著的正相关和负相关.
cmap属性调整颜色可选参数:

‘Accent’, ‘Accent_r’, ‘Blues’, ‘Blues_r’, ‘BrBG’, ‘BrBG_r’, ‘BuGn’, ‘BuGn_r’, ‘BuPu’, ‘BuPu_r’, ‘CMRmap’,‘CMRmap_r’, ‘Dark2’, ‘Dark2_r’, ‘GnBu’, ‘GnBu_r’, ‘Greens’, ‘Greens_r’, ‘Greys’, ‘Greys_r’, ‘OrRd’, ‘OrRd_r’, ‘Oranges’, ‘Oranges_r’, ‘PRGn’, ‘PRGn_r’, ‘Paired’, ‘Paired_r’, ‘Pastel1’, ‘Pastel1_r’, ‘Pastel2’, ‘Pastel2_r’, ‘PiYG’, ‘PiYG_r’, ‘PuBu’, ‘PuBuGn’, ‘PuBuGn_r’, ‘PuBu_r’, ‘PuOr’, ‘PuOr_r’, ‘PuRd’, ‘PuRd_r’, ‘Purples’, ‘Purples_r’, ‘RdBu’, ‘RdBu_r’, ‘RdGy’, ‘RdGy_r’, ‘RdPu’, ‘RdPu_r’, ‘RdYlBu’, ‘RdYlBu_r’, ‘RdYlGn’, ‘RdYlGn_r’, ‘Reds’, ‘Reds_r’, ‘Set1’, ‘Set1_r’, ‘Set2’, ‘Set2_r’, ‘Set3’, ‘Set3_r’, ‘Spectral’, ‘Spectral_r’, ‘Wistia’, ‘Wistia_r’, ‘YlGn’, ‘YlGnBu’, ‘YlGnBu_r’, ‘YlGn_r’, ‘YlOrBr’, ‘YlOrBr_r’, ‘YlOrRd’, ‘YlOrRd_r’, ‘afmhot’, ‘afmhot_r’, ‘autumn’, ‘autumn_r’, ‘binary’, ‘binary_r’,‘bone’, ‘bone_r’, ‘brg’, ‘brg_r’, ‘bwr’, ‘bwr_r’, ‘cividis’, ‘cividis_r’, ‘cool’, ‘cool_r’, ‘coolwarm’, ‘coolwarm_r’, ‘copper’, ‘copper_r’, ‘crest’, ‘crest_r’, ‘cubehelix’, ‘cubehelix_r’, ‘flag’, ‘flag_r’, ‘flare’, ‘flare_r’, ‘gist_earth’, ‘gist_earth_r’, ‘gist_gray’, ‘gist_gray_r’, ‘gist_heat’, ‘gist_heat_r’, ‘gist_ncar’, ‘gist_ncar_r’, ‘gist_rainbow’, ‘gist_rainbow_r’, ‘gist_stern’, ‘gist_stern_r’, ‘gist_yarg’, ‘gist_yarg_r’, ‘gnuplot’, ‘gnuplot2’, ‘gnuplot2_r’, ‘gnuplot_r’, ‘gray’, ‘gray_r’, ‘hot’, ‘hot_r’, ‘hsv’, ‘hsv_r’,‘plasma’, ‘plasma_r’, ‘prism’, ‘prism_r’, ‘rainbow’, ‘rainbow_r’, ‘rocket’, ‘rocket_r’, ‘seismic’, ‘seismic_r’, ‘spring’, ‘spring_r’, ‘summer’, ‘summer_r’, ‘tab10’, ‘tab10_r’, ‘tab20’, ‘tab20_r’, ‘tab20b’, ‘tab20b_r’, ‘tab20c’, ‘tab20c_r’, ‘terrain’, ‘terrain_r’, ‘turbo’, ‘turbo_r’, ‘twilight’, ‘twilight_r’, ‘twilight_shifted’, ‘twilight_shifted_r’, ‘viridis’, ‘viridis_r’, ‘vlag’, ‘vlag_r’, ‘winter’, ‘winter_r’

棒棒糖图

条形图在数据可视化里,是一个经常被使用到的图表。虽然很好用,也还是存在着缺陷呢。比如条形图条目太多时,会显得臃肿,不够直观。
棒棒糖图表则是对条形图的改进,以一种小清新的设计,清晰明了表达了我们的数据。

代码实现
# 导包import matplotlib.pyplot as pltimport numpy as npimport pandas as pd# 创建数据x=range(1,41)values=np.random.uniform(size=40)
# 绘制plt.stem(x, values)plt.ylim(0, 1.2)plt.show()

在这里插入图片描述

# stem function: If x is not provided, a sequence of numbers is created by python:plt.stem(values)plt.show()

在这里插入图片描述

# Create a dataframedf = pd.DataFrame({'group':list(map(chr, range(65, 85))), 'values':np.random.uniform(size=20) })# Reorder it based on the values:ordered_df = df.sort_values(by='values')my_range=range(1,len(df.index)+1)ordered_df.head()
# Make the plotplt.stem(ordered_df['values'])plt.xticks( my_range, ordered_df['group'])plt.show()

在这里插入图片描述

# Horizontal versionplt.hlines(y=my_range, xmin=0, xmax=ordered_df['values'], color='skyblue')plt.plot(ordered_df['values'], my_range, "D")plt.yticks(my_range, ordered_df['group'])plt.show()

在这里插入图片描述

# change color and shape and size and edges(markers, stemlines, baseline) = plt.stem(values)plt.setp(markers, marker='D', markersize=10, markeredgecolor="orange", markeredgewidth=2)plt.show()

在这里插入图片描述

# custom the stem lines(markers, stemlines, baseline) = plt.stem(values)plt.setp(stemlines, linestyle="-", color="olive", linewidth=0.5 )plt.show()

在这里插入图片描述

# Create a dataframevalue1=np.random.uniform(size=20)value2=value1+np.random.uniform(size=20)/4df = pd.DataFrame({'group':list(map(chr, range(65, 85))), 'value1':value1 , 'value2':value2 })# Reorder it following the values of the first value:ordered_df = df.sort_values(by='value1')my_range=range(1,len(df.index)+1)
# The horizontal plot is made using the hline functionplt.hlines(y=my_range, xmin=ordered_df['value1'], xmax=ordered_df['value2'], color='grey', alpha=0.4)plt.scatter(ordered_df['value1'], my_range, color='skyblue', alpha=1, label='value1')plt.scatter(ordered_df['value2'], my_range, color='green', alpha=0.4 , label='value2')plt.legend()# Add title and axis namesplt.yticks(my_range, ordered_df['group'])plt.title("Comparison of the value 1 and the value 2", loc='left')plt.xlabel('Value of the variables')plt.ylabel('Group')# Show the graphplt.show()

在这里插入图片描述

# Datax = np.linspace(0, 2*np.pi, 100)y = np.sin(x) + np.random.uniform(size=len(x)) - 0.2# Create a color if the y axis value is equal or greater than 0my_color = np.where(y>=0, 'orange', 'skyblue')
# The vertical plot is made using the vline functionplt.vlines(x=x, ymin=0, ymax=y, color=my_color, alpha=0.4)plt.scatter(x, y, color=my_color, s=1, alpha=1)# Add title and axis namesplt.title("Evolution of the value of ...", loc='left')plt.xlabel('Value of the variable')plt.ylabel('Group')# Show the graphplt.show()

在这里插入图片描述

火山图

火山图(Volcano plots)是散点图的一种,根据变化幅度(FC,Fold Change)和变化幅度的显著性(P value)进行绘制,其中标准化后的FC值作为横坐标,P值作为纵坐标,可直观的反应高变的数据点,常用于基因组学分析(转录组学、代谢组学等)。

绘制

制作差异分析结果数据框

genearray = np.asarray(pvalue) result = pd.DataFrame({'pvalue':genearray,'FoldChange':fold}) result['log(pvalue)'] = -np.log10(result['pvalue'])

制作火山图的准备工作

result['sig'] = 'normal' result['size']  =np.abs(result['FoldChange'])/10 result.loc[(result.FoldChange> 1 )&(result.pvalue < 0.05),'sig'] = 'up'result.loc[(result.FoldChange< -1 )&(result.pvalue < 0.05),'sig'] = 'down'
ax = sns.scatterplot(x="FoldChange", y="log(pvalue)",                      hue='sig',                      hue_order = ('down','normal','up'),                      palette=("#377EB8","grey","#E41A1C"),                      data=result)ax.set_ylabel('-log(pvalue)',fontweight='bold')ax.set_xlabel('FoldChange',fontweight='bold')

在这里插入图片描述


点击全文阅读


本文链接:http://zhangshiyu.com/post/49114.html

<< 上一篇 下一篇 >>

  • 评论(0)
  • 赞助本站

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。

关于我们 | 我要投稿 | 免责申明

Copyright © 2020-2022 ZhangShiYu.com Rights Reserved.豫ICP备2022013469号-1