+ Répondre à la discussion
Affichage des résultats 1 à 1 sur 1
  1. #1
    Invité de passage
    Homme Profil pro
    Inscrit en
    mai 2011
    Messages
    13
    Détails du profil
    Informations personnelles :
    Sexe : Homme

    Informations forums :
    Inscription : mai 2011
    Messages : 13
    Points : 3
    Points
    3

    Par défaut Une légende commune à plusieurs subplots avec matplotlib

    Bonjour à tous,

    Je me tourne vers vous après m'être cassé les dents quelques temps sur ce problème. Je souaite créer plusieurs camemberts (ou "pies" dans matplotlib) à partir de données stockées dans un tableau. j'arrive parfaitement à les organiser grâce à la fonction "subplot". Ce qui fait que mes camemberts sont
    J'ai défini dans un dictionnaire les noms de mes éléments de mes pies ainsi que leurs couleurs associées. Ainsi, quelque soit mes valeurs retrouvées, les mêmes couleurs sont assoiées aux mêmes éléments de chaque "pie".

    Bref, tout ce ceci fonctionne, sauf que je n'arrive pas à avoir une légende commune à tous mes "pies". En effet, certains éléments sont présents dans le pie1, mais pas dans les autres. Et si j'utilise la fonction legend(), il me crée une légende pour chaque pie, ce que je ne souhaite pas.

    Quelqu'un a-t-il déjà rencontré ce problème et ce questionnement ?? Merci d'avance.

    PS : je suis assez mauvais en python, je m'y connais plus en Perl, mais j'aime bien cette librairie matplotlib, elle fonctionne bien ^^

    Voilà mon code :
    Code :
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    43
    44
    45
    46
    47
    48
    49
    50
    51
    52
    53
    54
    55
    56
    57
    58
    59
    60
    61
    62
    63
    64
    65
    66
    67
    68
    69
    70
    71
    72
    73
    74
    75
    76
    77
    78
    79
    80
    81
    82
    83
    84
    85
    86
    87
    88
    89
    90
    91
    92
    93
    94
    95
    96
    97
    98
    99
    100
    101
    102
    103
    104
    105
    106
    107
    108
    109
    110
    111
    112
    113
    114
    115
    116
    117
    118
    119
    120
    121
    122
    123
    124
    125
    126
    127
     
    #-------------------------------------------------------------------------------------------------------
    #Step to create phyla pies based on data given by the main program
    #-------------------------------------------------------------------------------------------------------
    i = 0
    j=0
    taxo_highest = list()
    taxo = list()
    my_samples = list()
     
    my_pie_name = ""
    my_names_for_pie = list()
    my_values_for_pie = list()
    my_colors = {'Acidobacteria':'Gold', 'Actinobacteria':'Darkorange', 'Aquificae':'Cyan',\
        'Armatimonadetes':'OldLace', 'BRC1':'Tan', 'OD1':'RosyBrown', 'OP11':'Peru', 'SR1':'SaddleBrown',\
        'TM7':'Sienna', 'WS3':'Wheat', 'Chrysiogenetes':'BurlyWood', 'Caldiserica':'AntiqueWhite', 'Bacteroidetes':'CornflowerBlue',\
        'Chlamydiae':'White', 'Chloroflexi':'DarkGoldenRod', 'Crenarchaeota':'DarkGreen', 'Euryarchaeota':'DarkSeaGreen',\
        'Nanoarchaeota':'GreenYellow', 'Korarchaeota':'LightGreen', 'Cyanobacteria/Chloroplast':'GreenYellow', 'Chlorobi':'Chartreuse',\
        'Deferribacteres':'LighSeaGreen', 'Deinococcus-Thermus':'YellowGreen', 'Dictyoglomi':'Chocolate', 'Elusimicrobia':'DarkKhaki',\
        'Fibrobacteres':'MediumVioletRed', 'Firmicutes':'FireBrick', 'Fusobacteria':'Thistle', 'Gemmatimonadetes':'DeepSkyBlue',\
        'Lentisphaerae':'Moccasin', 'Nitrospira':'LightSalmon', 'Planctomycetes':'ForestGreen', 'Proteobacteria':'Blue',\
        'Thermotogae':'PaleGoldenRod', 'Verrucomicrobia':'Purple', 'Spirochaetes':'PowderBlue', 'Synergistetes':'Plum',\
        'Tenericutes':'Turquoise', 'Thermodesulfobacteria':'PeechPuff', 'Unknown':'Gray', 'Undefined':'Black', 'Low Groups':'LightGrey'}
     
     
    #Loop to treat all files found in the Summary_files folder
    for file_name in treated_files:
        #If the name of the file contain Taxonomy_results, we analyze this file
        if (0<=file_name.find("Taxonomy_results_")):
            #Open the targeted taxonomy summary file
            Taxo_file = open("../Summary_files/"+file_name, 'r')
            #For each read line of the file (as the line is not empty)
            Read_tot_lines = Taxo_file.readlines()
            #We read each line found in the file
            for i in range(len(Read_tot_lines)):
                #We delete the \n character using the replace function
                Read_tot_lines[i] = Read_tot_lines[i].replace("\n","")
                #If we found the line corresponding to the taxonomy_highest (phylum)
                if (0<=Read_tot_lines[i].find("Taxonomy_highest")):
                    #We store it in an array form in taxo_highest
                    taxo_highest = Read_tot_lines[i].split("\t")
                #If we found the line corresponding to the taxonomy studied
                elif (0<=Read_tot_lines[i].find("Taxonomy_phylum")):
                    #We store it in an array form in taxo
                    taxo = Read_tot_lines[i].split("\t")
                #If not, it correspond to a line of a sample
                else:
                    #We store the array in an array names my_samples
                    my_samples.append(Read_tot_lines[i].split("\t"))
     
     
            #We then determine the number of samples to create a figure with the good number of columns
            x = len(my_samples) - 1
            if( (x%2) == 0):
                Nbcols = 2
                #We define also the number of rows
                Nbrows = x/Nbcols
            else:
                Nbcols = 3
                #We define also the number of rows
                Nbrows = x/Nbcols + 1
     
            k = 1
            #Definition of the subplot distances
            plt.subplots_adjust(hspace=0.4)
     
     
            #For each line of the samples
            for my_line in my_samples:
                #We not treat empty lines
                if(my_line[0] == ''):
                    continue
                my_line = compute_percents(my_line)
                #Needed empty variables to treat several lines
                my_names_for_pie = list()
                my_values_for_pie = list()
                my_colors_list = list()
                my_lowers_values = float()
                #We study each element in the line of the sample
                for j in range(len(my_line)):
                    #We catch the name of the sample
                    if (0<=str(my_line[j]).find("Taxo_")):
                        #We catch the simplified name of the sample
                        my_pie_name = found_file_name(my_line[j])
                    #We avoid to treat the last element of the line
                    elif my_line[j] == '':
                        continue
                    #If it's an element
                    else:
                        #We verify that at least one read was detected
                        if (float(my_line[j]) > 0):
                            if (float(my_line[j]) < 1):
                                my_lowers_values += float(my_line[j])
                            else:
                                #We catch the name of the detected taxonomic elements
                                my_names_for_pie.append(taxo[j])
                                my_colors_list.append(my_colors[taxo[j]])
                                #And also their corresponding values
                                my_values_for_pie.append(my_line[j])
     
                #Finally, we add the lowers in the same group for the graphics
                my_names_for_pie.append("Low Groups")
                #Thier corresponding color
                my_colors_list.append(my_colors['Low Groups'])
                #And also their corresponding value
                my_values_for_pie.append(my_lowers_values)            
     
                #We create the subplot for each plot
                plt.subplot(Nbrows,Nbcols,k)
                #We use these elements to store them
                plt.pie(my_values_for_pie, colors=my_colors_list, autopct='%1.1f%%', pctdistance=1.2, shadow=True)
                #We also define the font properties using the FontProperties from the class font_manager
                #This give an object properties that can directly been given to the legend object.
                prop = fm.FontProperties(size=7)
     
     
                plt.title(my_pie_name)
                plt.tight_layout()
                #We finally do this function to adapt the graphics to its size
                #plt.grid(True)
                k = k + 1
     
                plt.legend(my_names_for_pie, prop = prop)
            #We finally save the figure in various formats
            plt.savefig('../Summary_files/Taxo_pie_results.png')
            plt.savefig('../Summary_files/Taxo_pie_results.emf')
            plt.savefig('../Summary_files/Taxo_pie_results.pdf')
    Fichiers attachés Fichiers attachés

Liens sociaux

Règles de messages

  • Vous ne pouvez pas créer de nouvelles discussions
  • Vous ne pouvez pas envoyer des réponses
  • Vous ne pouvez pas envoyer des pièces jointes
  • Vous ne pouvez pas modifier vos messages
  •