如何在H/E/C构象占比饼图外添加氨基酸分布环形图层？

现有如下CSV格式的氨基酸构象计数数据：

,H,E,C
A,8393.0,2872.0,5649.0
R,4360.0,2188.0,3892.0
N,2029.0,1137.0,4714.0
D,3234.0,1436.0,6761.0
C,754.0,743.0,1185.0
Q,3529.0,1278.0,2844.0
E,6649.0,2053.0,5248.0
G,2338.0,2200.0,10054.0
H,1389.0,1006.0,2112.0
I,4348.0,4210.0,2734.0
L,8642.0,4386.0,5590.0
K,4805.0,2194.0,4895.0
M,1884.0,913.0,1459.0
F,2767.0,2377.0,2601.0
P,1397.0,987.0,6678.0
S,3136.0,2226.0,6094.0
T,2986.0,2884.0,4950.0
W,987.0,787.0,930.0
Y,2218.0,2145.0,2205.0
V,4689.0,5950.0,3699.0

已通过以下代码绘制出展示H、E、C三种构象占比的饼图：

ss_dist_df=pd.read_csv("counts", index_col=0)
plt.pie(ss_dist_df.sum(),  autopct='%1.1f%%', startangle=90)

现需要在该饼图外侧添加环形图层，展示每种构象（H、E、C）对应的20种氨基酸的分布情况。

要实现这种双层嵌套饼图（内层为构象总占比，外层为各构象下的氨基酸分布），可以通过Matplotlib的pie函数配合半径、楔形属性设置来完成，具体步骤如下：

1. 数据预处理 #

先整理内层构象总计数和外层各构象下的氨基酸计数：

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据
ss_dist_df = pd.read_csv("counts", index_col=0)

# 内层：H/E/C三种构象的总计数
inner_counts = ss_dist_df.sum()
# 外层：按构象分组，展开所有氨基酸的计数
outer_counts = []
for col in ss_dist_df.columns:
    outer_counts.extend(ss_dist_df[col].tolist())

# 外层标签：格式为「构象-氨基酸」，方便区分归属
outer_labels = [f"{col}-{aa}" for col in ss_dist_df.columns for aa in ss_dist_df.index]

2. 绘制双层饼图 #

通过设置不同半径和楔形宽度，区分内外层结构：

# 设置画布大小，避免标签拥挤
plt.figure(figsize=(10,10))

# 绘制内层饼图：构象占比
wedges_inner, texts_inner, autotexts_inner = plt.pie(
    inner_counts,
    autopct='%1.1f%%',
    startangle=90,
    radius=0.7,  # 内层半径更小
    wedgeprops=dict(width=0.3, edgecolor='white')  # 预留外层环形空间
)

# 绘制外层环形图：各构象下的氨基酸分布
wedges_outer, texts_outer = plt.pie(
    outer_counts,
    labels=outer_labels,
    startangle=90,
    radius=1.0,  # 外层半径更大
    wedgeprops=dict(width=0.3, edgecolor='white')
)

# 调整布局，优化显示
plt.tight_layout()
plt.show()

3. 可选优化细节 #

• 解决标签重叠：如果外层标签过多，可将图例移至图外侧：

  plt.legend(wedges_outer, outer_labels, loc="upper right", bbox_to_anchor=(1.3, 0.9))
  

• 视觉区分构象：为同一构象下的氨基酸设置统一色系，增强辨识度：

  # 定义三种构象的专属颜色
  conf_colors = ['#ff9999','#66b3ff','#99ff99']
  outer_colors = []
  for idx, col in enumerate(ss_dist_df.columns):
      outer_colors.extend([conf_colors[idx]]*len(ss_dist_df.index))
  
  # 绘制外层时指定颜色参数
  wedges_outer, texts_outer = plt.pie(
      outer_counts,
      labels=outer_labels,
      startangle=90,
      radius=1.0,
      colors=outer_colors,
      wedgeprops=dict(width=0.3, edgecolor='white')
  )
  

内容的提问来源于stack exchange，提问作者Caterina