使用Python绘制箱线图

• 展示数据分布：通过箱体高度和须线长度，快速判断数据的离散程度、对称性和偏态情况。

• 识别异常值：明确标出偏离主体数据的异常点，便于后续数据清洗或重点分析。

• 多组数据比较：可同时绘制多组数据的箱线图，直观对比不同组别在中位数、离散程度和异常值上的差异，这在基因表达分析、实验组对照等场景中尤为有用。

• 非参数检验辅助：为后续选择合适的统计检验方法（如t检验或Mann-Whitney U检验）提供视觉依据。

以基因表达数据为例，假设我们有三个样本组（对照组、处理组A、处理组B），每组包含10个样本中某基因的表达量（单位：TPM）：

• 对照组：[12.3, 11.8, 13.1, 10.9, 12.7, 11.5, 13.5, 12.0, 11.9, 12.4]

• 处理组A：[18.2, 17.9, 20.1, 16.8, 19.3, 18.7, 17.5, 19.8, 18.0, 17.2]

• 处理组B：[25.6, 24.8, 26.1, 23.9, 27.3, 25.0, 24.5, 26.8, 25.7, 24.9]

绘制箱线图主要依赖以下库：

• Matplotlib：基础绘图库，提供boxplot函数。

• Seaborn：基于Matplotlib的高级绘图库，接口更简洁，样式更美观。

• Pandas：用于数据处理和组织。

• Numpy：用于数值计算。

pip install matplotlib seaborn pandas numpy

import seaborn as snsimport matplotlib.pyplot as pltimport pandas as pdimport numpy as np# 构造示例数据data = {    'Expression': [12.3, 11.8, 13.1, 10.9, 12.7, 11.5, 13.5, 12.0, 11.9, 12.4,                   18.2, 17.9, 20.1, 16.8, 19.3, 18.7, 17.5, 19.8, 18.0, 17.2,                   25.6, 24.8, 26.1, 23.9, 27.3, 25.0, 24.5, 26.8, 25.7, 24.9],    'Group': ['Control'] * 10 + ['Treatment A'] * 10 + ['Treatment B'] * 10}df = pd.DataFrame(data)# 绘制箱线图plt.figure(figsize=(8, 6))sns.boxplot(x='Group', y='Expression', data=df, hue='Group', palette="Set2", legend=False)plt.title('Gene Expression Across Groups')plt.xlabel('Group')plt.ylabel('Expression (TPM)')plt.show()

• plt.figure(figsize=(8, 6))

• sns.boxplot(x='Group', y='Expression', data=df, hue='Group', palette="Set2", legend=False)

• plt.title('Gene Expression Across Groups')

• plt.xlabel('Group')

• plt.ylabel('Expression (TPM)')

结果示例

总结

箱线图是生物信息学分析中不可或缺的可视化工具，尤其适合展示基因表达、测序深度等连续型数据的分布特征。通过Python的Seaborn和Matplotlib库，可以轻松绘制出专业、清晰的箱线图，帮助研究者快速发现数据中的模式、差异和异常，为后续的生物学解释提供有力支持。掌握其绘制方法和参数调整，将极大提升数据分析的效率和表达力。