plot_single_medoid()

plot_single_medoid() 函数识别单个中心点序列（即与所有其他序列总距离最小的最中心序列），并将其绘制为随时间变化的彩色条带。标题还报告了中心点的覆盖率：位于该中心点较小距离阈值内的序列所占的份额。

函数用法

# 假设已经计算了一个名为“distance_matrix”的 NxN 距离矩阵
plot_single_medoid(
    seqdata,
    show_legend=True,     # 在右侧显示状态图例
    title=None,           # 自定义标题；如果没有，则显示 ID 和覆盖范围
    save_as=None          # e.g., "medoid.png"
)

入口参数

参数	是否必需	类型	描述
seqdata	✓	SequenceData	使用 SequenceData 创建的序列数据集。提供时间标签、状态标签和颜色。
show_legend	✗	bool	如果为 True，则显示状态图例。默认值 = True。
title	✗	str	图形标题。如果为None, 则显示自动标题: Medoid Sequence (ID: …, Coverage: …%).
save_as	✗	str	保存图形的文件路径（例如，"medoid.png"）。如果省略，则仅显示图形。

重要的外部输入（调用前必须存在）：

• distance_matrix (np.ndarray): 一个 N×N 对称成对距离矩阵，其行顺序与 seqdata.values 一致。 当前实现从周围作用域读取此变量。

它的作用

• 找到与所有其他序列（中心点）具有最小总距离的序列。
• 计算中心点的覆盖率 = 到中心点的距离 ≤ 0.10 × max(distance_matrix) 的序列比例。
• 将中心点绘制为一个水平条，每个时间点一个彩色块（颜色来自 SequenceData）。
• 可选择显示图例并保存图形。

主要特点

• 数据集中最具代表性序列的一次性视图。
• 覆盖率可立即了解有多少序列接近该中心点。
• 整个项目中的颜色和图例与 SequenceData 保持一致。
• 可通过 save_as 导出（函数内部默认 DPI 为 200）。

例子

1. 基本用法

# 首先计算或加载你的 NxN 距离矩阵
distance_matrix = my_distance_function(seqdata.values)

plot_single_medoid(seqdata)

2. 保存为具有自定义标题且无图例的文件

distance_matrix = my_distance_function(seqdata.values)

plot_single_medoid(
    seqdata,
    show_legend=False,
    title="Most Representative Sequence",
    save_as="single_medoid.png"
)

小记

• 覆盖阈值默认为 0.10 × max(distance_matrix)（参见 _compute_individual_medoid_coverage）。
• 如果需要不同的阈值，请修改辅助函数或在包装器中公开参数。
• 确保 distance_matrix 的行/列与 seqdata.values 的顺序相同。

作者

代码: 梁彧祺

文档: 梁彧祺

编辑: 梁彧祺

翻译、测试：曲思竹