在得到网站回来的数据后，通过自己筛选需要的元件或其他信息后，我们将进行可视化分析。
这里提供几种常规的可视化分析
~让我们来学习他们~
安装环境：pip install biopython matplotlib numpy
ok~
1、堆叠柱状图（Stacked Bar Chart）
部分代码
python3 CisElementMotifDistributionPlot.py
结果
特点：堆叠柱状图通常用于展示，不同类别在多个组中的分布和总和，或比较各个主类别下各子类别的占比或贡献。
2、熵图（Entropy Plot）
熵是用来量化随机变量不确定性的一个度量。对于一个离散随机变量 X 及其取值概率 p(x) ，熵定义如下：
熵值越高，表示数据越混乱、不确定性越高；熵值越低，则表示数据越有序、不确定性越低。
部分代码
python3 promoter_entropy_plot.py
特征：1、特征选择：在机器学习中，熵可以帮助判断哪些特征具有更高的信息量，有助于选择关键特征。2、数据分布分析：熵图可以展示数据在不同类别、不同时间点的分布不确定性，方便分析。3、系统变化趋势：在系统或过程的变化中，熵图可以展示随时间的变化趋势，有助于理解系统是否趋向于无序或有序。4、信号处理：熵图可以用来分析信号的复杂度和混乱程度。
3、序列标识图（Sequence Logo）
画图先安装个库
使用logomaker库来绘制这种序列标识图（sequence logo）：pip install biopython logomaker matplotlib，它能够根据每个位点的碱基组成生成概率图或信息量图。
安装成功
部分绘图代码，它会读取多条序列并生成一个序列标识图。
python3 Sequence_Logo.py
结果图：序列标识图的主要目的是展示每个位置的碱基组成概率，即碱基在特定位置上的出现频率。
图片解释如下
碱基大小：每个位置上的碱基大小反映了该碱基的出现概率。较大的字母代表该位置上较常见的碱基，而较小的字母则较少出现。
多样性：如果一个位置上只有一个大字母，表示该位置非常保守，几乎所有序列都拥有相同的碱基；如果有多个不同大小的字母，说明该位置存在碱基多样性，不同序列在该位点可能有不同的碱基。
各位置的偏好性：您可以看到一些位置明显偏好特定碱基，而另一些位置则显示出更多的变异性。这些信息可以帮助识别序列的保守区域和可变区域。
4、基因结构图（Gene Structural Map）
准备数据
部分代码
python3 gene_structural.py
结果
特点：1、外显子和内含子的可视化：在基因结构图中，外显子和内含子通常用不同的形状或颜色表示。外显子常用实心矩形表示，而内含子用线条或空白区域表示。2、UTR 区域：5' UTR 和 3' UTR 是基因中非编码的调控区域，在基因结构图中通常用颜色或形状标识出来，以区分它们在转录和翻译中的不同功能。3、基因的定向：基因结构图可以显示基因在染色体上的方向（+ 或 -），即基因的读码方向。4、基因长度比例：基因结构图通常按照实际的基因长度比例绘制，帮助理解外显子和内含子之间的相对大小和位置关系。
5、水平堆叠图（Horizontal Stacked Bar Chart）
部分数据
部分代码
python3 plot_stacked_bar_with_labels.py
结果
将数据以水平方式展示的堆叠柱状图。与传统的垂直堆叠柱状图不同，水平堆叠图将每个类别的数值按比例水平堆叠在同一条水平线上
6、聚类热图（Clustering Heatmap）
部分数据
部分代码
python3 plot_cis_acting_heatmap.py
结果
不仅展示数据的数值大小，还通过聚类分析将相似的数据组合在一起，使得模式和趋势更加清晰
生物信息学领域非常广泛，难以一次说尽。我们下次继续更新，一起深入学习生物信息学的内容！
喜欢的宝子们点个赞吧~码字不易，且行且珍惜~
