如何在Python中绘制Y轴为线性刻度、条形填充按10的量级分组的对数堆叠柱状图

我来帮你搞定这个堆叠柱状图的复现问题——从你描述的需求来看，核心是要按样本独立划分克隆频率的量级组，再绘制堆叠占比图，这和你之前尝试的直接分组统计确实有区别。咱们先理清楚问题，再一步步给出解决方案。

需求回顾 #

你需要实现的堆叠柱状图满足以下要求：

• Y轴采用线性刻度（0-100%），展示克隆频率的占比总和
• 每个样本的堆叠条内部按克隆频率的10量级分组：前10个最高频率克隆为一组，接下来100个为一组，再接下来1000个为一组，以此类推
• 不同组用不同颜色区分（比如前10组用红色），用来直观判断样本是否存在大规模克隆扩增

数据说明 #

你拥有包含数千条克隆细胞信息的数据集，核心字段包括：

• Strain、Sample、cloneID：标识符字段
• cloneFraction：每个克隆的频率值（最终要转化为占比）

已尝试的代码及问题 #

你之前写的代码如下：

import matplotlib
import matplotlib.pyplot as plt
import matplotlib.ticker as mtick
%matplotlib inline
MYDATAFRAME.groupby(['Sample','cloneFraction']).size().groupby(level=0).apply(lambda x: 100 * x / x.sum()).unstack().plot(kind='bar',stacked=True, legend=None)
plt.yscale('log')
plt.gca().yaxis.set_major_formatter(mtick.PercentFormatter())
plt.show()

但遇到了三个关键问题：

• 堆叠顺序不符合要求：条形按数据集条目顺序堆叠，未按频率从高到低排列
• 对数刻度下Y轴无法正确显示百分比格式（次要问题，其实你需求是线性刻度，这个可以直接调整）
• 核心问题：无法按样本独立划分10/100/1000的量级分组，只能全局筛选，而非每个样本各自分组

解决方案思路及代码示例 #

咱们分两步走：先处理数据，按样本分组并划分频率量级；再绘制堆叠柱状图。

步骤1：数据预处理（核心） #

我们需要对每个样本单独处理：

1. 按Sample分组，对每个样本的cloneFraction降序排序
2. 为每个克隆分配所属的量级组（比如"Top 10"、"11-110"、"111-1110"等）
3. 计算每个样本内，各量级组的总频率占比

代码如下：

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.ticker as mtick

# 假设你的数据集叫df，先确保cloneFraction是数值类型
df = MYDATAFRAME.copy()
df['cloneFraction'] = pd.to_numeric(df['cloneFraction'])

# 定义分组函数：对单个样本的克隆按频率降序后，划分量级组
def assign_group(clone_series):
    # 按频率降序排序
    sorted_clones = clone_series.sort_values(ascending=False).reset_index(drop=True)
    # 为每个克隆分配组标签
    groups = []
    for idx in sorted_clones.index:
        if idx < 10:
            groups.append('Top 10')
        elif idx < 10+100:
            groups.append('11-110')
        elif idx < 10+100+1000:
            groups.append('111-1110')
        else:
            groups.append('>1110')  # 剩下的克隆归为一组
    sorted_clones = sorted_clones.to_frame('cloneFraction')
    sorted_clones['group'] = groups
    # 计算每组的总占比（转化为百分比）
    group_sum = sorted_clones.groupby('group')['cloneFraction'].sum() * 100
    return group_sum

# 按Sample分组应用函数，得到每个样本的各组占比
grouped_data = df.groupby('Sample').apply(assign_group).unstack(fill_value=0)
# 调整列的顺序，确保堆叠顺序是从高量级到低量级（Top10在最上面）
grouped_data = grouped_data[['Top 10', '11-110', '111-1110', '>1110']]

步骤2：绘制堆叠柱状图 #

现在用处理好的数据绘图，设置颜色、Y轴格式等：

# 设置颜色，比如Top10用红色，其他组用深浅不同的灰色
colors = ['#e74c3c', '#95a5a6', '#bdc3c7', '#ecf0f1']

# 绘制堆叠柱状图
ax = grouped_data.plot(kind='bar', stacked=True, color=colors, figsize=(12, 6), legend=True)

# 设置Y轴为线性刻度，显示百分比
ax.yaxis.set_major_formatter(mtick.PercentFormatter())
ax.set_ylim(0, 100)  # 固定Y轴范围0-100%

# 添加标题和标签
plt.title('Clone Expansion by Frequency Groups per Sample', fontsize=14)
plt.xlabel('Sample', fontsize=12)
plt.ylabel('Total Clone Fraction (%)', fontsize=12)
plt.legend(title='Clone Frequency Groups', bbox_to_anchor=(1.05, 1), loc='upper left')

# 调整布局，防止图例被截断
plt.tight_layout()
plt.show()

关键问题的解决说明 #

1. 堆叠顺序问题：通过grouped_data的列顺序指定，确保"Top 10"组在最上方（堆叠顺序是列的顺序，先出现的列在最下面，后出现的在上面，如果你想Top10在最下面，调整列顺序即可）
2. Y轴百分比格式：用线性刻度直接配合mtick.PercentFormatter()，完美解决之前对数刻度的问题
3. 按样本独立分组：通过groupby('Sample').apply(assign_group)实现每个样本单独排序、分组，完全满足你“每个样本各自的前10个及后续量级分组”的需求

内容的提问来源于stack exchange，提问作者Kroky