之前我们介绍过这样的plot（复现《nature communications》图表（二）：一劳永逸，R语言一键画表达量箱线图并添加显著性），关于基因表达箱线图并添加显著性标记的作图，小伙伴希望能有python版本，所以这里在python中展示一下，其实在之前的（【1:1复刻R版】python版火山图函数一键出图，【1:1复刻Cell】python版单细胞多组差异基因火山图可视化函数）就说过，要想达到R的ggplot2效果，python中matplotlib结合seaborn就是它的平替。这里我们将复现过程包装在一个函数中了，如果您自己需要单独理解，拆解函数即可，很多参数都是默认，比如字体什么的，自行调整即可。

加载库：

#导入库import seaborn as snsimport matplotlib.pyplot as pltimport pandas as pdimport numpy as npimport itertoolsfrom scipy.stats import ttest_indfrom statannotations.Annotator import Annotator
read data：
df = pd.read_csv('./Exp.csv')df.head()
函数，plot主体使用的是seaborn，本函数检验使用的是两两t检验！
def ks_boxplot_exp(df, group_col, value_col, order=None, figsize=(3,3),                    palette="Set2", x_angle=45, log=False,tick_size=3,frame=True                  ):    """    df : pd.DataFrame,宽表格式数据，包含group，不同基因表达量    group_col : str，分组列名    #gene_cols : list，要绘制的基因名列表    order : list，分组顺序设置    palette : 分组颜色设置，可以是列表，也可以是固定每组颜色的字典    figsize : 整体大图大小尺寸    x_angle:x轴标签文字角度    log：是否需要对数据进行对数转化处理，默认False    """
    if order is None:        order = df[group_col].unique().tolist()    plot_df = df.copy()    #数据做一下log转化    if log:        plot_df[value_col] = np.log2(plot_df[value_col] + 1)    plt.figure(figsize=figsize, dpi=300)    # 箱线图    ax = sns.boxplot(        data=plot_df, x=group_col, y=value_col, order=order,        palette=palette, fliersize=0,        width=0.6    )    # 带抖动散点    sns.stripplot(        data=plot_df, x=group_col, y=value_col, order=order,        jitter=True, size=2, alpha=0.7,        palette=palette, dodge=False, ax=ax    )    # 两两组合 t 检验    pairs = list(itertools.combinations(order, 2))    p_values = []    for g1, g2 in pairs:        vals1 = plot_df.loc[plot_df[group_col]==g1, value_col].dropna()        vals2 = plot_df.loc[plot_df[group_col]==g2, value_col].dropna()        stat, p = ttest_ind(vals1, vals2, equal_var=False)        p_values.append(p)    # 显著性标记    annotator = Annotator(ax, pairs, data=plot_df, x=group_col, y=value_col, order=order)    annotator.configure(test=None, text_format='star', loc='inside', verbose=0,fontsize=4)    annotator.set_pvalues(p_values)    annotator.annotate()
【一键函数Free】分组基因表达量箱线图并添加显著性函数
    for line in ax.lines:        line.set_color('black')         line.set_linewidth(0.5)     # 设置标题和坐标轴    ax.set_title(value_col, fontsize=6)      ax.set_ylabel("")                        ax.set_xlabel("")    plt.xticks(rotation=x_angle)    
    ax.tick_params(axis='both', which='major', labelsize=tick_size)
    if frame:        ax.spines['top'].set_visible(True)        ax.spines['right'].set_visible(True)    else:        ax.spines['top'].set_visible(False)        ax.spines['right'].set_visible(False)    plt.tight_layout()    plt.show()
plot1：
ks_boxplot_exp(df=df,               group_col='Type',               value_col='CXCL8',               log=True,                figsize=(1.5,2.5),               x_angle=90,               tick_size=5)
classic主题：
ks_boxplot_exp(df=df,               group_col='Type',               value_col='CXCL8',               log=True,                figsize=(1.5,2.5),               x_angle=90,               tick_size=5,              frame=False)
自定义分组顺序：
ks_boxplot_exp(df=df,               group_col='Type',               value_col='CXCL8',               log=True,                figsize=(1.5,2.5),               x_angle=90,               tick_size=5,              frame=False,              order=['Critical', 'Severe', 'Mild','Asymptomatic'])
循环批量出图：因为考虑到很多人有不同的排版以及对于图形调整的需求，所以函数只能画一个基因，不能一次性画多个基因并进行排布，画多个基因可以利用循环。
#循环plot多个基因gene_cols = ['CXCL8','MMP8','TLR4']for gene in gene_cols:    ks_boxplot_exp(df=df,               group_col='Type',               value_col=gene,               log=True,                figsize=(1.5,2.5),               x_angle=90,               tick_size=5)
觉得分享有用的点个赞再走呗！