Q版苏大强变身程序员表情包，哪一个深得你心？

摘要

此处献上Q版程序员系列表情包

电视剧《都郑滑橡挺好》有多好看？

一天至少一次上热搜算不算？

虽然《都挺好》已经大结局，

但是它的表情包才刚开始火~

除了最后洗白的老爷子苏大强，

身为程序员的苏明哲

也赚翻让铅了大家的眼球。

此处献上Q版程序员系列表情包

看看，哪一个深得你心？

太形象了，

惟妙惟肖啊！

除此以外，

还有不少趣图，喊旁

我们一起接着欣赏。

最后，

看看下面这张图

有同感的小伙伴们举起你的小手

IT大咖说 | 关于版权

感谢您对IT大咖说的热心支持！

点击 【阅读原文】 更多IT技术圈干货等你挖掘

曼哈顿图

将示例数据下载下来：

wget https://raw.githubusercontent.com/ShujiaHuang/geneview-data/master/GOYA.csv

先简单地查看一下数据的格式:

chrID,rsID,position,pvalue

1,rs3094315,742429,0.144586

1,rs3115860,743268,0.230022

1,rs12562034,758311,0.644366

1,rs12124819,766409,0.146269

1,rs4475691,836671,0.458197

1,rs28705211,890368,0.362731

1,rs13303118,908247,0.22912

1,rs9777703,918699,0.37948

1,rs3121567,933331,0.440824

一共是4列（逗号分隔），分别为：[1]染色体编号，[2]SNP rs 编号，[3] 位点在染色体上的位置，[4]显著性差异程度（pvalue）。在本例曼哈顿图中我们只需要使用第1,3和4列；而QQ图则只需要第4列——pvalue。手派

下面先从绘制曼哈顿图开始。我们先将需要的数据读取到一个列表中，可以这样做：

import csv

data = []

with open("GOYA.csv") as f:

f_csv = csv.reader(f)

headers = next(f_csv)

data = [[row[0], int(row[2]), float(row[3])] for row in f_csv]

现在GOYA.csv中的数据就都存放在data列表中了，由于Python在读取文件中数据时，都是以string类型存放，因此对于第3和第4列的数据有必要事先把做乱仔点类型转换。

接下来，调用geneview中的毕陪贺曼哈顿图函数。

import matplotlib.pyplot as plt

from geneview.gwas import manhattanplot

ax = manhattanplot(data, xlabel="Chromosome", ylabel="-Log10(P-value)") # 这就是Manhattan plot的函数

plt.show()

只需这样的一句代码就能创建一个漂亮的曼哈顿图，有必要再次指出的是，geneview是以matplotlib为基础开发出来的，所创建的图形对象实际上仍属于matplotlib，geneview内部自定义了很多图形风格，同时封装了大量只属于基因组数据的图表类型，但图形的输出格式以及界面显示都仍和matplotlib一样，因此在这里我们使用matplotlib.pyplot的show()函数(上例中：plt.show())将所绘制出来的曼哈顿图显示出来。如果要将图形保存下来，则只需执行`plt.savefig("man.png")`，这样就会在该目录下生成一个名为『man.png』png格式的曼哈顿图，若是要存为pdf格式，则只需将所要保存的文件名后缀改成『.pdf』（plt.savefig("man.pdf")）就可以了。下面这些格式：emf,

eps, pdf, png, jpg, ps, raw, rgba, svg,

svgz等都是支持的，至于最新的还有多少种，还请参照matplotlib文档中说明。

此外，geneview中的每个画图函数都有着足够的灵活性，我们也可以根据自己的需要做一些调整，比如：

xtick = ['1', '2','3','4','5','6','7','8','9','10','11','12','13','14','16','18', '20','22']

manhattanplot(data,

xlabel="Chromosome", # 设置x轴名字

ylabel="-Log10(P-value)", # 设置y轴名字

xtick_label_set = set(xtick), # 限定横坐标轴上的刻度显示

s=40, # 设置图中散点的大小

alpha=0.5, # 调整散点透明度

color="#f28b1e,#9a0dea,#ea0dcc,#63b8ff", # 设置新的颜色组合

)

实现新的颜色组合、限定x轴上的刻度显示和散点大小的调节。甚至还可以将散点改为线：

manhattanplot(data，

xlabel="Chromosome", # 设置x轴名字

ylabel="-Log10(P-value)", # 设置y轴名字

xtick_label_set = set(xtick), # 限定横坐标轴上的刻度显示

alpha=0.5, # 调整散点透明度

color="#f28b1e,#9a0dea,#ea0dcc,#63b8ff", # 设置新的颜色组合

kind="line"

)

其它方面的调整请查看geneview文档中的相关说明。

Q-Q图

qq图只需用到上例中的pvalue那一列：

import csv

import matplotlib.pyplot as plt

from geneview.gwas import qqplot

pvalue=[]

with open("GOYA.csv") as f:

f_csv = csv.reader(f)

headers = next(f_csv)

pvalue = [float(row[3]) for row in f_csv]

ax = qqplot(pvalue, color="#00bb33", xlabel="Expected p-value(-log10)", ylabel="Observed p-value(-log10)") # Q-Q 图

plt.show()

同样，也可以根据自己的需要对改图进行相关的调整。

以上，便是如何使用Python来制作Manhattan图和QQ图的方法，geneview的集成函数简化了这样的一个过程。

另外，如果你也看过丹麦人的这个GOYA研究，就会发现实际以上的两个图和其文章中的基本是一致的，当然我自己做了些数据清洗的 *** 作，结果上仍然会有些许的不同。虽然此刻下结论还有点为时尚早，但总的来讲，我应该也可以通过这个数据集比较顺利的将其结果重复出来了。

最后，附上利用geneview画曼哈顿图和QQ图的代码：

（1）曼哈顿图：

（2）QQ图：

1、SAS程序员专业证书(SAS Programmer ProfessionalCertificate)

SAS的全称是数亮中岁据分析系统。很多时候，数据科学家在做机器学习时，会感觉自己对很多数据细节了解不够透彻，这时候，你就需要学习SAS，它能细化你对数据结论的了解。学会使用SAS技术，你可以通过Q-Q图、直方图和残差图等，来进行正态分布检验，也可以进行方差分析和多元方差分析等。

2、IBM 数据科学专业证书(IBM Data Science ProfessionalCertificate )

如果你已经是数据分析从业者了，那么，你一定对这份同样由Coursera发放的证书并不陌生。一旦你考取了这份证书，就能证明在你对数据科学建立了整体、系统性的认知。这一点在很多企业，尤其是互联网企业，是非常看重的点。

3、专业机器学习工程师BETA(Professional Machine Learning EngineerBETA)

这个证书的颁发机构是Google，它也是目前适合机器学习工程师，挑战难度最大(换句话说，含金量最大)的一个证书。由于对于主攻模型的数据科学家来说，我们需要具备部署和工程方面的知识，因此，考取这个证书就能从侧面论证，你是否具备了足够这方面的专业知识。

4、Tableau证书

最后说一个具有争议性，但值得考取的证书——Tableau认证。这个证书主要是针对经常需要做数据可视化的从业者提出的。我们都知道，Tableau是一个用来描述指标和数据的可视化工具，它在商业敬睁技术领域用途更广培庆泛。

关于数据分析师有哪些含金量较高的证书，青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣，希望这篇文章能够对你有所帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。

---