如何在python中绘制一条平滑的曲线以获取一系列值？

Question

我已经为一对多序列比对的序列创建了一个香农熵的值列表。在绘制这些值时，我得到了一个简单的曲线图。我想在直线上画一条平滑的曲线。有没有人能告诉我处理它的正确方法是什么？我想画一条光滑的曲线，它与每根柱子的尖端相接，并在"y轴值“为零的地方变为零。，BAsically。图片链接: 1：https://i.stack.imgur.com/SY3jH.png

#importing the relevant packages
import math
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from scipy.interpolate import make_interp_spline
from Bio import AlignIO
import warnings
warnings.filterwarnings("ignore")

#function to calculate the Shannon Entropy of a MSA
# H = -sum[p(x).log2(px)]

def shannon_entropy(list_input):
    unique_aa = set(list_input)   
    M = len(list_input)
    entropy_list = []
    # Number of residues in column
    for aa in unique_aa:
        n_i = list_input.count(aa)                                           
        P_i = n_i/float(M)                                
        entropy_i = P_i*(math.log(P_i,2))
        entropy_list.append(entropy_i)
    sh_entropy = -(sum(entropy_list))
    #print(sh_entropy)
    return sh_entropy

#importing the MSA file
#importing the clustal file
align_clustal1 =AlignIO.read("/home/clustal.aln", "clustal")

def shannon_entropy_list_msa(alignment_file):
    shannon_entropy_list = []
    for col_no in range(len(list(alignment_file[0]))):
        list_input = list(alignment_file[:, col_no])
        shannon_entropy_list.append(shannon_entropy(list_input))
    return shannon_entropy_list

clustal_omega1 = shannon_entropy_list_msa(align_clustal1)

# Plotting the data
plt.figure(figsize=(18,10))
plt.plot(clustal_omega1, 'r')
plt.xlabel('Residue', fontsize=16)
plt.ylabel("Shannon's entropy", fontsize=16)
plt.show()

编辑1:这是我的图形在实现"pchip“方法后的样子。pchip输出的链接：https://i.stack.imgur.com/hA3KW.png

Answer 1

pchip monotonic spline output

一种方法是使用PCHIP插值，它将给出y轴上零值所需行为的单调曲线。

我们无法在我们的机器上运行您的代码示例，因为您指向'home‘目录中的本地Clustal文件。

下面是一个简单的工作示例，其中包含到输出图像的链接：

import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import pchip


mylist = [10,0,0,0,0,9,9,0,0,0,11,11,11,0,0]
mylist_np = np.array(mylist)
samples = np.array(range(len(mylist)))    
xnew = np.linspace(samples.min(), samples.max(), 100)
plt.plot(xnew,pchip(samples, mylist_np )(xnew))
plt.show() 

​

​