用Python实现Circos图的绘制在线绘制的Circos有一定局限性，如对数据的要求、个性化的局限和处理速度等的问题，但如果你是一个Pythoneer或者喜欢用更加Pythonic的方式来个性化地绘制Circos图，那么今天就跟随我一起用代码实现这一目标吧！
安装Circos包
首先，登录Python的包索引网站Python Package Index（PyPI，正确读音是：Pie Pee Ai），找到Circos包的下载页：
https://pypi.python.org/pypi/Circos/1.3.5
该包/模块的作者是我的好友Eric Ma。你可以选择下载wheeler文件，然后本地安装。也可以在shell下直接通过pip进行安装：
pipinstallcircos
注意，所支持的Python版本必须是3.x，对2不支持。
选择数据
当安装了circos包后，我们就可以直接应用这个包来写代码了。为了演示方便，我需要应用一些数据。作为内科医师，就让我来展示一下老本行：处理药物与肝酶细胞色素P450的相互关系的可视化。由于是为了抛砖引玉，所以绘制出的Circos图相对简单。
我们先从美国FDA官网下载不同细胞色素相关的各种口服药物表。共202种常用的口服药物，涵盖内科学、肿瘤学、神经科和心理学等学科。数据文件如下：
可以看到这个数据的结构：是按肝细胞色素酶进行分类，共分8个列。这8个细胞色素酶分别是：CYP1A2,CYP2B6, CYP2C8, CYP2C9, CYP2C19, CYP2D6, CYP2E1和CYP3A4。我们将要建立各个口服药与这些肝酶之间关系的Circos图，从而了解通过相同肝酶代谢或转化的药物之间是否存在相互作用。
导入各个模块和读入数据
导入各个模块：
fromcircosimportCircosPlot
importxlrd
importpandasaspd
importnumpyasnp
读入文件：
filename='.\\MedicationInteraction.xlsx'
book=xlrd.open_workbook(filename)
print('File loaded!')
提取数据：
nrows=book.sheet_by_name('Sheet1').nrows
header=book.sheet_by_name('Sheet1').row_values(0)
data=[book.sheet_by_name('Sheet1').row_values(i) fori inrange(1, nrows)]
df=pd.DataFrame(data, columns =header)
df[df==''] = np.nan
读取后，药物和酶的数据为pandas的DataFrame数据结构，细胞色素P450酶的名字为columns的名字。我们可以检查一下数据：
修数据，尤其是处理NA数据
df_dict={}
foriinrange(len(df.columns)):
df_dict[df.icol(i).name] =list(df.icol(i).dropna())
节点和连线
创建节点（nodes）数据，在我这个例子里就是各个药物和肝酶：
nodes=[]
forkeyindf_dict.keys():
nodes.extend(df_dict[key])
nodes=list(nodes)
headers=list(df.columns)
enzymes=['0'] * 5
forheaderinheaders:
enzymes.append(header)
enzymes.extend(['0']*5)
nodes.extend(enzymes)
创建连线（edges）数据，我们应用tuple（元组）这个数据结构来表示药物与特定肝酶之间的关系：
edges_origin=[]
forkeyindf_dict.keys():
forvalue indf_dict[key]:
edges_origin.append((key, value))
绘图
绘制Circos图：
c=CircosPlot(nodes, edges_origin, radius =10,
nodecolor="blue",
edgecolor="red",
)
c.draw()
得到了下面这张所有药物与肝酶之间的图：
左上方是8个肝脏细胞色素P450酶（CYP1A2、CYP2B6、CYP2C8、CYP2C9、CYP2C19、CYP2D6、CYP2E1和CYP3A4）。其它点即为202种口服药物。每种药物都与参与代谢和转化它的P450酶相连。与相同酶连接的不同药物，理论上应该都存在相互作用，但具体如何还要看与酶的作用机理。
个性化绘图
如果我们打算分别可视化出不同肝酶的关系图形，我们只需改变连线信息，即edges信息：
edges=[]
‍forvalueindf_dict['CYP2B6']:
edges.append(('CYP2B6', value))
c=CircosPlot(nodes, edges, radius =10,
nodecolor="orange",
edgecolor="orange",
)
c.draw()
从而我们得到了各种肝酶所代谢和转化药物的图形
用PS将它们合并：
相同肝酶所代谢和转化的药物用相同颜色的edges表示。
显示特定药物
最后，我们可以挑选其中一些感兴趣的药物来进行观察，例如，我从这202个药物中指定几个我感兴趣的药物：
propafenone（心律平）, acetaminophen（对乙酰氨基酚）, paclitaxel（紫杉醇）, ibuprofen（布洛芬）, losartan（洛沙坦）, omeprazole（奥美拉唑）, carvediolo（卡维地洛）, codeine（可待因）, theophylline（茶碱）, quinidine（奎尼丁）, verapamil（异搏定）, lovastatin（洛伐他汀）, nitrendipine（尼群地平）
然后重新建立edges：
medications=['propafenone', 'acetaminophen', 'paclitaxel', 'ibuprofen', 'losartan', 'omeprazole', 'carvedilol', 'codeine', 'theophylline', 'quinidine', 'verapamil', 'lovastatin', 'nitrendipine']
edges_candidate=set()
formedicationinmedications:
foredge inedges_origin:
if medication==edge[1]:
edges_candidate.add(edge)
edges_candidate=list(edges_candidate)
然后再绘图：
c=CircosPlot(nodes, edges_candidate, radius =10,
nodecolor="black",
edgecolor="black",
)
c.draw()
从而得到这张图。
1，xlable,ylable设置x，y轴的标题文字。
2，title设置标题。
3，xlim,ylim设置x,y轴显示范围。
plt.show()显示绘图窗口，通常情况下，show（）会阻碍程序运行，带-wthread等参数的环境下，窗口不会关闭。
plt.saveFig（）保存图像。
面向对象绘图
1，当前图表和子图可以用gcf(),gca()获得。
subplot()绘制包含多个图表的子图。
configure subplots,可调节子图与图表边框距离。
可以通过修改配置文件更改对象属性。
图标显示中文
1，在程序中直接指定字体。
2， 在程序开始修改配置字典reParams.
3，修改配置文件。
Artist对象
1，图标的绘制领域。
2，如何在FigureCanvas对象上绘图。
3，如何使用Renderer在FigureCanvas对象上绘图。
FigureCanvas和Render处理底层图像操作，Artist处理高层结构。
分为简单对象和容器对象，简单的Aritist是标准的绘图元件，例如Line 2D,Rectangle,Text,AxesImage等，而容器类型包含许多简单的的 Aritist对象，使他们构成一个整体，例如Axis,Axes,Figure等。
直接创建Artist对象进项绘图操作步奏：
1，创建Figure对象（通过figure（）函数，会进行许多初始化操作，不建议直接创建。）
2，为Figure对象创建一个或多个Axes对象。
3，调用Axes对象的方法创建各类简单的Artist对象。
Figure容器
如何找到指定的Artist对象。
1，可调用add_subplot()和add_axes()方法向图表添加子图。
2，可使用for循环添加栅格。
3，可通过transform修改坐标原点。
Axes容器
1，patch修改背景。
2，包含坐标轴，坐标网格，刻度标签，坐标轴标题等内容。
3，get_ticklabels(),,get-ticklines获得刻度标签和刻度线。
1，可对曲线进行插值。
2，fill_between()绘制交点。
3，坐标变换。
4，绘制阴影。
5，添加注释。
1，绘制直方图的函数是
2，箱线图（Boxplot）也称箱须图（Box-whisker Plot），是利用数据中的五个统计量：最小值、第一四分位
数、中位数、第三四分位数与最大值来描述数据的一种方法，它可以粗略地看出数据是否具有对称性以及分
布的分散程度等信息，特别可以用于对几个样本的比较。
3，饼图就是把一个圆盘按所需表达变量的观察数划分为若干份，每一份的角度（即面积）等价于每个观察
值的大小。
4,散点图
5,QQ图
低层绘图函数
类似于barplot()，dotchart()和plot()这样的函数采用低层的绘图函数来画线和点，来表达它们在页面上放置的位置以及其他各种特征。
在这一节中，我们会描述一些低层的绘图函数，用户也可以调用这些函数用于绘图。首先我们先讲一下R怎么描述一个页面；然后我们讲怎么在页面上添加点，线和文字；最后讲一下怎么修改一些基本的图形。
绘图区域与边界
R在绘图时，将显示区域划分为几个部分。绘制区域显示了根据数据描绘出来的图像，在此区域内R根据数据选择一个坐标系，通过显示出来的坐标轴可以看到R使用的坐标系。在绘制区域之外是边沿区，从底部开始按顺时针方向分别用数字1到4表示。文字和标签通常显示在边沿区域内，按照从内到外的行数先后显示。
添加对象
在绘制的图像上还可以继续添加若干对象，下面是几个有用的函数，以及对其功能的说明。
•points(x, y, ...)，添加点
•lines(x, y, ...)，添加线段
•text(x, y, labels, ...)，添加文字
•abline(a, b, ...)，添加直线y=a+bx
•abline(h=y, ...)，添加水平线
•abline(v=x, ...)，添加垂直线
•polygon(x, y, ...)，添加一个闭合的多边形
•segments(x0, y0, x1, y1, ...)，画线段
•arrows(x0, y0, x1, y1, ...)，画箭头
•symbols(x, y, ...)，添加各种符号
•legend(x, y, legend, ...)，添加图列说明
今天开始琢磨用Python画图，没使用之前是一脸懵的，我使用的开发环境是Pycharm，这个输出的是一行行命令，这个图画在哪里呢？ 搜索之后发现，它会弹出一个对话框，然后就开始画了，比如下图第一个常用的库是Turtle，它是Python语言中一个很流行的绘制图像的函数库，这个词的意思就是乌龟，你可以想象下一个小乌龟在一个x和y轴的平面坐标系里，从原点开始根据指令控制，爬行出来就是绘制的图形了。 它最常用的指令就是旋转和移动，比如画个圆，就是绕着圆心移动；再比如上图这个怎么画呢，其实主要就两个命令： turtle.forward(200) turtle.left(170) 第一个命令是移动200个单位并画出来轨迹 第二个命令是画笔顺时针转170度，注意此时并没有移动，只是转角度 然后呢？ 循环重复就画出来这个图了 好玩吧。 有需要仔细研究的可以看下这篇文章 https://blog.csdn.net/zengxiantao1994/article/details/76588580 ，这个牛人最后用这个库画个移动的钟表，太赞了。Turtle虽好玩，但是我想要的是我给定数据，然后让它画图，这里就找到另一个常用的画图的库了。 Matplotlib是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地行制图。其中，matplotlib的pyplot模块一般是最常用的，可以方便用户快速绘制二维图表。 使用起来也挺简单， 首先import matplotlib.pyplot as plt 导入画图的图。 然后给定x和y，用这个命令plt.plot(x, y)就能画图了，接着用plt.show()就可以把图形展示出来。 接着就是各种完善，比如加标题，设定x轴和y轴标签，范围，颜色，网格等等，在 https://blog.csdn.net/guoziqing506/article/details/78975150 这篇文章里介绍的很详细。 现在互联网的好处就是你需要什么内容，基本上都能搜索出来，而且还是免费的。我为什么要研究这个呢？当然是为了用，比如我把比特币的曲线自己画出来可好？ 假设现在有个数据csv文件，一列是日期，另一列是比特币的价格，那用这个命令画下： 这两列数据读到pandas中，日期为df['time']列，比特币价格为df['ini']，那我只要使用如下命令 plt.plot(df['time'], df['ini']) plt.show() 就能得到如下图：自己画的是不是很香，哈哈！ 然后呢，我在上篇文章 https://www.jianshu.com/p/d4013d8a73de 中介绍过求Ahr999指数，那可不可以也放到这张图中呢？不就是加一条命令嘛 plt.plot(df['time'], df['Ahr999']) 图形如下：但是，Ahr999指数怎么就一条线不动啊， 原来两个Y轴不一致，显示出来太怪了，需要用多Y轴，问题来了。 继续谷歌一下，把第二个Y轴放右边就行了，不过呢得使用多图，重新绘制 fig = plt.figure() # 多图 ax1 = fig.add_subplot(111) ax1.plot(df['time'], df['ini'], label="BTC price") # 绘制第一个图比特币价格 ax1.set_ylabel('BTC price') # 加上标签# 第二个直接对称就行了 ax2 = ax1.twinx()# 在右边增加一个Y轴 ax2.plot(df['time'], df['Ahr999'], 'r', label="ahr999") # 绘制第二个图Ahr999指数，红色 ax2.set_ylim([0, 50])# 设定第二个Y轴范围 ax2.set_ylabel('ahr999')plt.grid(color="k", linestyle=":")# 网格 fig.legend(loc="center")#图例 plt.show() 跑起来看看效果，虽然丑了点，但终于跑通了。这样就可以把所有指数都绘制到一张图中，等等，三个甚至多个Y轴怎么加？这又是一个问题，留给爱思考爱学习的你。 有了自己的数据，建立自己的各个指数，然后再放到图形界面中，同时针对异常情况再自动进行提醒，比如要抄底了，要卖出了，用程序做出自己的晴雨表。
