Python有多种工具和方法可用于严谨的科研制图，以下为你介绍一些常见的工具和使用方法： ### Matplotlib Matplotlib是Python中最常用的绘图库，能绘制多种类型的图表，如折线图、柱状图、散点图等。以下是一个绘制性能指标柱状图的示例： ```python import matplotlib.pyplot as plt def plot_results(accuracy, precision, recall, f1_score): """ 绘制性能指标图表 :param accuracy: 准确率 :param precision: 精确率 :param recall: 召回率 :param f1_score: F1分数 """ # 创建图表 fig, ax = plt.subplots() # 绘制柱状图 ax.bar(['Accuracy', 'Precision', 'Recall', 'F1 Score'], [accuracy, precision, recall, f1_score]) # 设置图表标题和标签 ax.set_title('Model Performance Metrics') ax.set_ylabel('Score') # 显示图表 plt.show() # 示例性能指标 accuracy = 0.95 precision = 0.92 recall = 0.93 f1_score = 0.925 # 绘制图表 plot_results(accuracy, precision, recall, f1_score) ``` ### Plotly和Plotly Express Plotly是一个交互式绘图库，能创建高质量的可视化图表。 Plotly Express是Plotly的高级API，简化了绘图过程。以下是一个使用Plotly Express绘制散点图的示例： ```python import plotly.express as px import pandas as pd # 创建示例数据 data = { 'x': [1, 2, 3, 4, 5], 'y': [2, 4, 6, 8, 10], 'category': ['A', 'B', 'A', 'B', 'A'] } df = pd.DataFrame(data) # 绘制散点图 fig = px.scatter(df, x='x', y='y', color='category') fig.show() ``` ### Seaborn Seaborn是基于Matplotlib的统计绘图库，提供了更高级的统计图表，如箱线图、热力图等。以下是一个绘制热力图的示例： ```python import seaborn as sns import pandas as pd import numpy as np # 创建示例数据 data = np.random.rand(10, 10) df = pd.DataFrame(data) # 绘制热力图 sns.heatmap(df, annot=True, cmap='viridis') ``` ### 天地图Python库（tianditu-python） 可用于访问和操作天地图服务，获取地图、卫星图像、地形图等地理信息，适用于地理相关的科研制图。 ### geopandas 用于处理地理空间数据，结合matplotlib可进行地理空间数据的可视化。 ### 火山图绘制示例 ```python # 假设已经有了df_normal, df_up, df_down数据 import matplotlib.pyplot as plt # 初始化画布 fig, ax = plt.subplots(figsize=(8, 6), dpi=100) # 第一层：绘制背景无差异基因(灰色，透明度低) ax.scatter(x=df_normal['log2FoldChange'], y=df_normal['-log10(pvalue)'], s=10, c='lightgrey', alpha=0.5, label='No Diff') # 第二层：绘制上调基因(红色) ax.scatter(x=df_up['log2FoldChange'], y=df_up['-log10(pvalue)'], s=15, c='#CC0000', alpha=0.8, label='Up') # 第三层：绘制下调基因(蓝色) ax.scatter(x=df_down['log2FoldChange'], y=df_down['-log10(pvalue)'], s=15, c='#0000CC', alpha=0.8, label='Down') ```