【小白python】将excel表中的碱基频率可视化

写代码的小背景

单纯的就是完成个作业，之前的小作业都是借鉴的同学的代码（别向我学这个hhhhh），第一次写博客，请多指教！
下面是正题：

题目

附表等位基因中的行表示10个病人样本，列表示DNA片段中的15个位点，试着将碱基出现频率可视化（有时间我把表格上传到资源里大家可以试着练一下）
表格为10（人数）*15（等位基因的位点）

预览结果

分析

首先，分析一下需要做的工作有哪些：
1.将表格读到内存里
2.循环统计每一列每一个碱基出现次数并记录下来
3.作图

1.将表格读到内存里

import pandas as pd

data = pd.read_excel('gene.xlsx')

顺便简单介绍一下相关表格操作：
参考博客：利用Python处理Excel数据 这里只列出了需要的一部分功能

• 查看数据的行数和列数

df.shape

输出：（10,15）
意义：10行15列

• 按位置进行提取（iloc函数）

1. 按区域提取

#行数0-4，列数0-5
df.iloc[:4, :5]

2. 按位置提取

#[0, 2, 5] 代表指定的行，[ 4, 5 ] 代表指定的列
df.iloc[[0,2,5],[4,5]]

2.循环统计每列每个碱基的出现次数并记录

先定义4个空列表A、T、C、G，然后循环一次往里面添加一组数据（出现次数*0.1=每个碱基的频率）

A = []
T = []
G = []
C = []

for i in range(15):#15列
    x.append(i)
    seq = data.iloc[0:10, i]#每次读取一列
    base = {'A': 0, 'T': 0, 'C': 0, 'G': 0}
    for nucl in range(len(seq)):
        if seq[nucl] in base:
            base[seq[nucl]] += 1
    for each in sorted(base.keys()):
        if(each == 'A'):
            A.append(base[each]*0.1)
        elif (each == 'T'):
            T.append(base[each]*0.1)
        elif (each == 'C'):
            C.append(base[each]*0.1)
        elif (each == 'G'):
            G.append(base[each]*0.1)

3.作图

搜了半天才知道需要作的图名字叫堆积柱状图，说白了就是另外一组的数据堆在前面的数据的上面
参考博客：【Python】画个堆积柱状图（三类数据的）
特别注意：
地方就是在设置第三类数据的底部，应该是第一类加第二类作底部，同理第四类也要在第三类基础上加合。

for i in range(0, len(A)):
    T[i] = T[i] + A[i]
plt.bar(x, C, align="center", bottom=T, color="#0080FF", label="C")

import matplotlib.pyplot as plt

plt.bar(x, A, align="center", color="#FFFF00", tick_label=['1', '2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12', '13', '14', '15'], label="A")
plt.bar(x, T, align="center", bottom=A, color="#00FF00", label="T")
for i in range(0, len(A)):
    T[i] = T[i] + A[i]
plt.bar(x, C, align="center", bottom=T, color="#0080FF", label="C")
for i in range(0, len(A)):
    C[i] = C[i] + T[i]
plt.bar(x, G, align="center", bottom=C, color="#FF0000", label="G")

plt.xlabel("gene")
plt.ylabel("number")

plt.legend()

plt.show()

可能没讲明白，可以试试把for循环的部分删去画出图，可以发现频率的和不等于1，也就是堆积柱状图的底没有选对。可以将上面的代码改成这部分再运行，就可以看到后面有bug的结果了

import matplotlib.pyplot as plt

plt.bar(x, A, align="center", color="#FFFF00", tick_label=['1', '2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12', '13', '14', '15'], label="A")
plt.bar(x, T, align="center", bottom=A, color="#00FF00", label="T")

plt.bar(x, C, align="center", bottom=T, color="#0080FF", label="C")

plt.bar(x, G, align="center", bottom=C, color="#FF0000", label="G")

plt.xlabel("gene")
plt.ylabel("number")

plt.legend()

plt.show()

错误图例

很明显，这个有些频率没有达到1，就是这个bug的问题了

完整代码

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl

mpl.rcParams["font.sans-serif"] = ["SimHei"]
mpl.rcParams["axes.unicode_minus"] = False

data = pd.read_excel('gene.xlsx')
x = []
A = []
T = []
G = []
C = []

for i in range(15):
    x.append(i)
    seq = data.iloc[0:10, i]
    base = {'A': 0, 'T': 0, 'C': 0, 'G': 0}
    for nucl in range(len(seq)):
        if seq[nucl] in base:
            base[seq[nucl]] += 1
    for each in sorted(base.keys()):
        if each == 'A':
            A.append(base[each]*0.1)
        elif each == 'T':
            T.append(base[each]*0.1)
        elif each == 'C':
            C.append(base[each]*0.1)
        elif each == 'G':
            G.append(base[each]*0.1)
plt.bar(x, A, align="center", color="#FFFF00", tick_label=['1', '2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12', '13', '14', '15'], label="A")
plt.bar(x, T, align="center", bottom=A, color="#00FF00", label="T")
for i in range(0, len(A)):
    T[i] = T[i] + A[i]
plt.bar(x, C, align="center", bottom=T, color="#0080FF", label="C")
for i in range(0, len(A)):
    C[i] = C[i] + T[i]
plt.bar(x, G, align="center", bottom=C, color="#FF0000", label="G")

plt.xlabel("gene")
plt.ylabel("number")

plt.legend()

plt.show()

笔者算python小白，代码有很多部分可以优化但是不大会，算是笔者第一次写python吧，如觉着代码有问题之类的请留言，感谢！