Python 绘制 CRISPR sgRNA Counts均一度 分布曲线图

示例结果

实现步骤：

1. 读取Mageck分析后的Gene Counts表格,去表头
2. 计算累计密度
3. 计算分位数和均一度
4. 添加分位数标记线（保持中文SimHei）
5. 添加差值标注（保持中文）
6. 绘制图形并保存
7. 打印结果（10%，90%分位数，差值，均一度等）

全部代码如下：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import os,sys
os.chdir(sys.path[0])


def read_and_plot_cumsum(file_path, sheet_name, column_name):
    # 读取Excel文件
    df = pd.read_excel(file_path, sheet_name=sheet_name)
    
    # 获取指定列数据（去除表头）
    data = df[column_name].dropna()
    
    # 计算累计密度
    sorted_data = np.sort(data)
    yvals = np.arange(len(sorted_data))/float(len(sorted_data)-1)
    
    # # 绘制累计密度图
    # plt.figure(figsize=(10, 6))
    log2_data = np.log2(sorted_data)
    # plt.plot(log2_data, yvals)
    # plt.xlabel("log2 normalized sgRNA read counts")
    # plt.ylabel('Cumulative Probability')
    # plt.title(f'Cumulative Density Plot of {column_name}')
    # plt.grid(True)
    
    # 计算分位数和均一度
    q10 = np.percentile(log2_data, 10)
    q90 = np.percentile(log2_data, 90)
    
    diff = q90 - q10
    pow_diff = 2 ** diff
    
    # 设置中英文字体
    plt.rcParams['font.sans-serif'] = ['SimHei']  # 中文使用黑体
    plt.rcParams['font.family'] = 'sans-serif'    # 同时指定字体族
    plt.rcParams['axes.unicode_minus'] = False    # 解决负号显示问题
    
    # 设置字体（单独设置Arial用于英文）
    font = {'family': 'Arial', 'weight': 'bold', 'size': 14}
    plt.rc('font', **font)
    
    # 绘制图形
    plt.figure(figsize=(10, 6))
    plt.plot(log2_data, yvals)
    
    # 获取当前坐标轴并设置刻度标签不加粗
    ax = plt.gca()
    ax.spines[:].set_linewidth(1)  # 轴线条不加粗
    for label in ax.get_xticklabels() + ax.get_yticklabels():
        label.set_fontweight('normal')  # 刻度数字不加粗
    
    plt.xlabel("Log2 Normalized sgRNA Read Counts", fontsize=16, fontname='Arial', weight='normal')  # 不加粗
    plt.ylabel('Cumulative Probability', fontsize=16, fontname='Arial', weight='normal')  # 不加粗
    plt.title(f'Cumulative Density Plot of sgRNA Read Counts', fontsize=18, fontname='Arial', weight='normal')  # 不加粗
    plt.grid(True)
    
    # 添加分位数标记线（保持中文SimHei）
    plt.axvline(x=q10, color='r', linestyle='--', label=f'10%: {q10:.2f}')
    plt.axvline(x=q90, color='g', linestyle='--', label=f'90%: {q90:.2f}')
    plt.legend(prop={'family':'Arial'})  # 图例使用中文黑体
    plt.legend()
    
    # 添加差值标注（保持中文）
    plt.text(0.05, 0.9, 
             f'Uniformity (90%/10%) = {pow_diff:.2f}',
             transform=plt.gca().transAxes,
             fontsize=16, weight='bold', family='Arial')
    
    # 保存图片（文件名保持英文）
    title = f'Cumulative_Density_Plot'
    plt.savefig(f'{title}.jpg', dpi=300, bbox_inches='tight')
    plt.savefig(f'{title}.pdf', bbox_inches='tight')
    
    # 打印结果
    print(f"10%分位数(X值): {q10:.2f}")
    print(f"90%分位数(X值): {q90:.2f}")
    print(f"90%-10%差值: {diff:.2f}")
    print(f"2^(差值): {pow_diff:.2f}")
    print(f"均一度(90%/10%): {pow_diff:.2f}")
    
    plt.show()

# 示例用法
if __name__ == "__main__":
    # 替换为您的实际文件路径、工作表名和列名
    file_path = "./Drug-F1R1.count.xlsx"
    sheet_name = "Drug-F1R1.count"
    column_name = "plasmid"
    
    read_and_plot_cumsum(file_path, sheet_name, column_name)