-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathBoxplot to Volcano Plot Dahmen Paper.py
257 lines (217 loc) · 7.46 KB
/
Boxplot to Volcano Plot Dahmen Paper.py
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
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
# Installieren Sie das statsmodels-Modul, falls es noch nicht installiert ist
try:
import statsmodels
except ImportError:
import os
os.system("pip install statsmodels")
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
# Daten einlesen
xls = pd.ExcelFile("D:/Arbeit/test alle Massen/Test alle Massen4.xlsx")
# Liste der Bedingungen
conditions = ["Control", "6-20%", "21-35%", "over 35%"]
# Liste der Excel-Seiten
sheets = ["Jena"] # , 'Jena']
# Liste der Massen, für die Boxplots erstellt werden sollen
masses = [
"255.2325",
"279.2343",
"281.248",
"303.2336",
"305.2518",
"307.2719",
"327.2347",
"328.2382",
"375.2282",
"391.2259",
"392.2291",
"415.2258",
"439.2259",
"480.3084",
"594.2813",
"626.3145",
"682.5081",
"697.4814",
"736.6431",
"773.5363",
"893.7275",
]
for sheet in sheets:
df = pd.read_excel(xls, sheet_name=sheet)
print(df.head()) # Drucken Sie den Kopf des DataFrame
# Konvertieren Sie die Spaltennamen in Ihrem DataFrame in Strings
df.columns = df.columns.astype(str)
for mass in masses:
# Überprüfen Sie, ob die Masse in den Spalten des DataFrames vorhanden ist
if mass in df.columns:
plt.figure(figsize=(10, 5))
# Boxplot für die ausgewählte Masse und alle Bedingungen erstellen
sns.boxplot(
x=df["Condition"], y=df[mass], order=conditions, showfliers=True
)
sns.swarmplot(x=df["Condition"], y=df[mass], order=conditions, color=".25")
# Signifikanz im Titel anzeigen
plt.title("Boxplot for Mass " + str(mass) + " in " + "Cohort 1")
plt.ylabel("Value")
plt.xlabel("Condition")
plt.savefig(
"D:/Arbeit/test alle Massen/"
+ sheet
+ "_"
+ str(mass)
+ "_boxplot.png",
bbox_inches="tight",
dpi=300,
)
plt.show()
plt.close()
# Installieren Sie das statsmodels-Modul, falls es noch nicht installiert ist
try:
import statsmodels
except ImportError:
import os
os.system("pip install statsmodels")
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
# Daten einlesen
xls = pd.ExcelFile("D:/Arbeit/test alle Massen/Test alle Massen4.xlsx")
# Liste der Bedingungen
conditions = ["Control", "6-20%", "21-35%", "over 35%"]
# Liste der Excel-Seiten
sheets = ["Leipzig"]
# Liste der Massen, für die Boxplots erstellt werden sollen
masses = [
"261.22",
"279.2343",
"281.248",
"303.2336",
"307.2719",
"308.0999",
"463.2859",
"480.3084",
"568.2783",
"590.2423",
"611.2839",
"626.3145",
"639.2427",
"640.5277",
"643.4746",
"671.4641",
"697.4814",
"736.6431",
"749.514",
"788.4971",
"822.7144",
"835.7129",
"851.7551",
"863.7384",
"877.7681",
"885.5517",
"891.7596",
"896.7348",
"922.7419",
"932.8129",
]
for sheet in sheets:
df = pd.read_excel(xls, sheet_name=sheet)
print(df.head()) # Drucken Sie den Kopf des DataFrame
# Konvertieren Sie die Spaltennamen in Ihrem DataFrame in Strings
df.columns = df.columns.astype(str)
for mass in masses:
# Überprüfen Sie, ob die Masse in den Spalten des DataFrames vorhanden ist
if mass in df.columns:
plt.figure(figsize=(10, 5))
# Boxplot für die ausgewählte Masse und alle Bedingungen erstellen
sns.boxplot(
x=df["Condition"], y=df[mass], order=conditions, showfliers=True
)
sns.swarmplot(x=df["Condition"], y=df[mass], order=conditions, color=".25")
# Signifikanz im Titel anzeigen
plt.title("Boxplot for Mass " + str(mass) + " in " + "Cohort 2")
plt.ylabel("Value")
plt.xlabel("Condition")
plt.savefig(
"D:/Arbeit/test alle Massen/"
+ sheet
+ "_"
+ str(mass)
+ "_boxplot.png",
bbox_inches="tight",
dpi=300,
)
plt.show()
plt.close()
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from statsmodels.stats.multicomp import pairwise_tukeyhsd
from itertools import combinations
# Daten einlesen
data_xls = pd.ExcelFile("D:/Arbeit/Figure Venndiagramm/p value daten neu2.xlsx")
masses_xls = pd.ExcelFile(
"D:\Arbeit\Figure Venndiagramm\Alle Conditons vergleich/Cohort2_Venn_Results.xlsx"
)
# Liste der Bedingungen
conditions = ["Control", "6-20%", "21-35%", "over 35%"]
# Liste der Excel-Seiten
sheets = ["Cohort2"] # Hier können Sie weitere Blätter hinzufügen
# Massen aus der Massen-Tabelle einlesen
# Einlesen der Massen aus der zweiten Zeile und der ersten Spalte
masses_df = pd.read_excel(masses_xls, sheet_name="6-20%v21-35%UniqueDown")
masses = masses_df.iloc[1:, 0].dropna().astype(str).tolist()
def add_significance(ax, pairs, p_values, y_max):
y_offset = 0.05 # Abstand zwischen den Linien
for (i, j), p_value in zip(pairs, p_values):
if p_value < 0.05:
x1, x2 = i, j
y, h, col = y_max + y_offset, 1.00, "k"
ax.plot([x1, x1, x2, x2], [y, y + h, y + h, y], lw=1.5, c=col)
ax.text(
(x1 + x2) * 0.5,
y + h,
"*",
ha="center",
va="bottom",
color=col,
fontsize=12,
)
y_offset += 5.00 # Erhöhe den y-Wert für die nächste Linie
for sheet in sheets:
df = pd.read_excel(data_xls, sheet_name=sheet)
print(df.head()) # Drucken Sie den Kopf des DataFrame
# Konvertieren Sie die Spaltennamen in Ihrem DataFrame in Strings
df.columns = df.columns.astype(str)
for mass in masses:
# Überprüfen Sie, ob die Masse in den Spalten des DataFrames vorhanden ist
if mass in df.columns:
plt.figure(figsize=(10, 5))
# Boxplot für die ausgewählte Masse und alle Bedingungen erstellen
ax = sns.boxplot(
x=df["Condition"], y=df[mass], order=conditions, showfliers=True
)
sns.swarmplot(x=df["Condition"], y=df[mass], order=conditions, color=".25")
# Paarweise t-Tests durchführen
tukey = pairwise_tukeyhsd(
endog=df[mass], groups=df["Condition"], alpha=0.05
)
print(tukey.summary())
# Signifikanz im Titel anzeigen
plt.title("Boxplot for Mass " + str(mass) + " in " + sheet)
plt.ylabel("Value")
plt.xlabel("Condition")
# Signifikanz auf dem Plot anzeigen
pairs = list(combinations(range(len(conditions)), 2))
add_significance(ax, pairs, tukey.pvalues, df[mass].max())
plt.savefig(
"D:\Arbeit\Figure Venndiagramm\Alle Conditons vergleich/"
+ sheet
+ "_"
+ str(mass)
+ "_boxplot.png",
bbox_inches="tight",
dpi=300,
)
plt.show()
plt.close()