期刊图片复现|Python绘制多组学验证环形热图

    #获取图层数和基因数    num_layers, num_genes = heatmap_data.shape    print(num_layers, num_genes)    # 创建画布    fig, ax = plt.subplots(figsize=(16, 16), subplot_kw=dict(projection='polar'))    selected_scheme = COLOR_LIBRARY[color_scheme_id]  #获取选定的配色方案    ring_colors = selected_scheme['ring_colors']  #提取环的颜色列表    bar_color = selected_scheme['bar_color']  #提取外部条的颜色    ring_thickness = 1.2  #定义单个环的厚度    radial_gap = 0.2  #环与环之间的径向间隔    #中心空白区域的半径    central_hole_radius = 7.0    # 计算每个环的半径，环厚度+间隔    step_with_gap = ring_thickness + radial_gap    #每个环的起始半径位置    ring_positions = np.arange(central_hole_radius, central_hole_radius + num_layers * step_with_gap, step_with_gap)    #定义顶部开口的大小，使其相当于3个基因特征所占的宽度    num_features_in_gap = 3    #计算圆环需要划分成多少个小区域    total_positions = num_genes + num_features_in_gap    #每个小区域平均占用的角度（弧度）    angular_width_per_position = 2 * np.pi / total_positions    #计算开口的总角度    gap_size_rad = num_features_in_gap * angular_width_per_position    #环形图的起始角度    start_angle = np.pi / 2 + gap_size_rad / 2    #环形图的结束角度    end_angle = start_angle + (2 * np.pi - gap_size_rad - 0.02)    #生成每个小区域的角度坐标    theta = np.linspace(start_angle, end_angle, num_genes)    width = angular_width_per_position * 0.8  # 计算每个小区域的角度宽度

#绘制7层环状热图    for layer_idx in range(num_layers):  #遍历所有的数据层        for gene_idx in range(num_genes):  #遍历该层中的所有基因            #根据数值1或0确定色块的透明度            alpha_value = 1.0 if heatmap_data[layer_idx, gene_idx] == 1 else 0.2            #绘制色块            ax.bar(                x=theta[gene_idx],  #角度位置                height=ring_thickness,  #高度/厚度                width=width,  #宽度                bottom=ring_positions[layer_idx],  #起始半径                color=ring_colors[layer_idx],  #颜色                alpha=alpha_value,  #透明度                align='edge'  #从指定的theta角度开始绘制            )

#绘制最外层的径向堆叠方块图    block_height = 0.5  #每个小方块的高度    block_spacing = 0.05  #小方块之间的垂直间隙    outer_bar_bottom_radius = ring_positions.max() + ring_thickness + 4  #计算最外圈堆叠图的起始半径            continue        #设置第一个方块的起始半径        current_bottom = outer_bar_bottom_radius        #根据总数，循环绘制相应数量的堆叠方块        for _ in range(num_blocks):            #绘制单个方块            ax.bar(                x=theta[gene_idx],  #方块的角度                height=block_height,  #高度                width=width * 0.7,  #角度宽度                bottom=current_bottom,  #起始半径                color=bar_color,  #颜色                align='edge'  #从指定的theta角度开始绘制            )            #更新下一个方块的起始半径位置，这样就可以实现堆叠的效果            current_bottom += (block_height + block_spacing)

#外围基因/特征标注的半径    label_radius = ring_positions.max() + ring_thickness + 0.5            rotation = angle_deg  #文本的旋转角度            ha = 'left'  #水平对齐方式        else:            rotation = angle_deg  #文本的旋转角度            ha = 'left'  #水平对齐方式        #添加基因/特征的名称标注        ax.text(            theta[i] + width / 2,  #角度位置            label_radius,  #半径            gene_names[i],  #内容，基因/特征的名称            rotation=rotation,  #文本的旋转角度            ha=ha,  #水平对齐方式            va='center',  #垂直对齐方式            fontsize=8,  #大小            rotation_mode='anchor'        )

#绘制虚线圈，分隔开主图与外围的堆叠图的区域    #虚线圈的半径    dashed_circle_radius = ring_positions.max() + ring_thickness + 3.8    #绘制带开口的虚线圈    ax.plot(np.linspace(start_angle, end_angle, 200),            [dashed_circle_radius] * 200,            color=bar_color,            linestyle='--',            lw=1,            zorder=2)    #定义开口处灰色背景条的中心角度    label_angle = np.pi / 2    #灰色背景的颜色    gap_gray_color = '#f0f0f0'    #灰色背景的高度    gray_bar_height = (ring_positions.max() + ring_thickness) - ring_positions.min()    #灰色背景的宽度    gray_bar_width = 1.5 * angular_width_per_position    ax.bar(        x=label_angle,  #背景条的中心角度        height=gray_bar_height,  #高度        width=gray_bar_width,  #宽度        bottom=ring_positions[0],  #起始半径        color=gap_gray_color,  #颜色        align='center',  #居中对齐        zorder=0,        edgecolor='white',  #边缘线颜色        linewidth=1  #边缘线宽度    )        ax.text(label_angle,                r,                str(i + 1),                ha='center',                va='center',                fontsize=12,                fontweight='bold',                color='#555555',                zorder=3)

#图面清理    ax.grid(False)  #去掉自带网格线    ax.set_yticklabels([])  #去掉自带半径的刻度标签    ax.set_xticklabels([])  #去掉自带角度的刻度标签    ax.spines['polar'].set_visible(False)  #去掉自带外围黑圈    max_stack_height = num_layers * (block_height + block_spacing)  #计算最外层堆叠的最大高度    max_radius = outer_bar_bottom_radius + max_stack_height  #计算图表所需的最大半径    ax.set_ylim(0, max_radius + 2)  # 设置半径的显示范围    #添加图例    #定义与图片匹配的图例标签    layer_labels = [        '1:Drug target',        '2:DEG by microarray',        '3:DEG by RNA-seq',        '4:DEG in DAM',        '5:DEG in DAA',        '6:DEG by proteome',        '7:Literature evidence'    ]  # 列表定义结束    #创建图例用的色块    ring_patches = [mpatches.Patch(color=ring_colors[i], label=layer_labels[i]) for i in range(num_layers)]    #为最外圈的堆叠图创建图例    bar_patch = mpatches.Patch(color=bar_color, label='Multi-omics evidence')    #将所有图例元素合并    all_patches = ring_patches + [bar_patch]    #添加图例    ax.legend(handles=all_patches,                       loc='center',                       frameon=False,                       fontsize=12                       )

# =========================================================================================# ======================================4.程序执行部分=========================================# =========================================================================================if __name__ == '__main__':    select_color = 9 #要使用的配色方案编号    #文件路径    excel_filename = r'data.xlsx'    #读取    df= pd.read_excel(excel_filename, index_col=0)    #提取基因/特征名列表    gene_names_from_excel = df.index.tolist()    #提取热图数据，注意：绘图函数需要的数据形状是 (层数, 基因数)，而Pandas读取的DataFrame是 (基因数, 层数)，因此需要进行转置 (.T)    heatmap_data_from_excel = df.values.T    #调用函数进行绘图    plot_multi_omics_circos(        gene_names=gene_names_from_excel,  #传入基因名数据        heatmap_data=heatmap_data_from_excel,  #传入热图数据        color_scheme_id=select_color  #配色方案    )

select_color =20#要使用的配色方案编号

2.设置文件的路径：

excel_filename = r'E:\公众号素材\多重检验环形图\multi_omics_data.xlsx'

png_filename = fr'\{select_color}.png'pdf_filename = fr'\{select_color}.pdf'