matplotlib画箱线图，添加非参数检验-秩和检验的结果

matplotlib画箱线图，添加非参数检验-秩和检验的结果

生信分析中，画箱线图是常见的需求。最早图简单用seaborn画箱线图。最近下定决心学matplotlib了，所以还是给出matplotlib版本的尝试，但是部分用法还是稚嫩，可能用了笨办法，欢迎大家指正。

箱线图的定义和含义这里就略过了。
前期数据处理部分也略过，画3张子图，3个Dataframe形式如下表所示，表中数据为AF（等位基因频率）。由于两组样本数不统一，所以有缺省项，但这并不影响箱线图绘制。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt#导入matplotlib
from scipy import stats#用来计算非参数检验P_value

fig=plt.figure(figsize=(20,10))#初始化图片
i=1 #该变量用来迭代3图片，每次for循环会+1
d={1:'fig1',2:'fig2',3:'fig3'} #3张子图的名字
for df in [fig1_data,fig2_data,fig3_data]:#对三个df进行循环
    ax=fig.add_subplot(1,3,i)#一共一排，一排三张图，目前是第i张。
    pvalue=stats.mannwhitneyu(df['new'],df['old'],alternative='two-sided')[1] #对新旧数据进行非参数检验-秩和检验，得空写写mannwhitneyu和Wilcoxon的区别。

#首先df['old']或者df['new']取到某列array，然后dropna（）去除该array中的空值。labels是横轴上每个小箱的标签。widths是箱宽。patch_artist为是否填充箱体的颜色，如不要默认设置，想自己设置，则该项选True。boxprops定义box的参数。flierprops定义离群值的参数。medianprops定义中位线的参数。
    plt.boxplot([df['old'].dropna(),df['new'].dropna()],labels=['old','new'],widths=0.3,patch_artist=True,boxprops={'color':'black','facecolor':'lightgrey'},flierprops={'marker':'+','markerfacecolor':'black','color':'lightgrey'},medianprops={"linestyle":'-','color':'black'})
    plt.title(d[i],fontsize=30)#通过d字典索引title
    plt.xticks(fontsize=20)#定义X轴标签字体大小
    plt.yticks(fontsize=15)
    if i==1:ax.set_ylabel('AF',fontsize=30)#为所有的子图定义同一个Y轴标签，我猜测会有更聪明的办法，目前就这。
    i+=1 #本次循环不会再用到i的，所以增加1。
    
#以下为添加非参数检验的结果
    y_max=df.max().max()#计算df中最大值，第一次max得出两列各自的最大值，也就是2个值。第二次max从刚2个值中再择出最大值。则可以得到全df的最大值。本步骤的目的是确保添加的文本在最大值的上方，不要和图片重叠了。
    y_min=df.min().min()#计算df中的最小值，本步骤的目的在下面可以看到。
    
#df最大值-df最小值，得到图片的纵向范围，然后尝试一个合适的比例，去放置文本。这里选择的比例是10，即添加的文本的位置是在y_max上方，再加整图纵向范围的十分之一长度的位置。这是多次尝试的结果。当然也可以使用绝对距离，直接y_max加某数即可。不能直接使用y_max,不然会和箱线图重叠。
#这里plt.plot()里面的值，含义是position，即画出一条[x1=1,x2=2][y1=[y_max+(y_max-y_min)/10,y2=y_max+(y_max-y_min)/10]的线。发现了吗，y1=y2,所以它其实就是一条平行于x轴的横线。
    plt.plot([1,2], [y_max+(y_max-y_min)/10,y_max+(y_max-y_min)/10], linewidth=1, color='k') 
#再画两条纵线
    plt.plot([1,1], [y_max+(y_max-y_min)/10,y_max+(y_max-y_min)/10-(y_max-y_min)/20], linewidth=1, color='k') 
    plt.plot([2,2], [y_max+(y_max-y_min)/10,y_max+(y_max-y_min)/10-(y_max-y_min)/20], linewidth=1, color='k') 
#在横向上方中间的位置加上p值。中间的位置需要自己找，毕竟fontsize、p值小数点后位数，都会影响其位置。
    plt.text(1.30,y_max+(y_max-y_min)/9,f'P={round(pvalue,4)}',fontsize=15,color='blue')
#为全图加上title
fig.suptitle('My boxline plot',fontsize=35)

#保存图片，dpi可以增加清晰度。
plt.savefig('my_boxline.jpg',dpi=500) 

图里的结果可见，fig1_data、fig2_data的新旧数据均差异显著，而fig3_data两组数据之间没有相关性（P>0.05)。