Python绘图 | Nature不同细胞类型中标记基因的表达点图复现(包含完整代码)

def plot(dot_df: pd.DataFrame, out_png: Path, out_pdf: Path | None = None) -> None:    required = {"cell_type", "gene", "pct_exp", "avg_exp_scaled"}    missing = required - set(dot_df.columns)    df = dot_df.copy()    df["cell_type"] = pd.Categorical(df["cell_type"], categories=CELL_TYPES, ordered=True)    df["gene"] = pd.Categorical(df["gene"], categories=GENES, ordered=True)    df = df.dropna(subset=["cell_type", "gene"]).sort_values(["cell_type", "gene"]).reset_index(drop=True)    x_map = {g: i for i, g in enumerate(GENES)}    y_map = {c: i for i, c in enumerate(CELL_TYPES)}    df["x"] = df["gene"].map(x_map).astype(float)    df["y"] = df["cell_type"].map(y_map).astype(float)    fig = plt.figure(figsize=(10, 5), dpi=300)    fig.patch.set_facecolor("white")    ax = fig.add_axes([0.10, 0.14, 0.71, 0.76])    ax.set_facecolor("white")    cmap = LinearSegmentedColormap.from_list(        "nature_bwr",        ["#2c5aa0", "#6f8fc8", "#f5f5f5", "#e89b8e", "#c23a2b"],    )    p = np.clip(df["pct_exp"].to_numpy(), 0.0, 60.0)    s_min, s_max = 5.0, 140.0    sizes = s_min + (s_max - s_min) * np.sqrt(p / 60.0)    sc = ax.scatter(        df["x"],        df["y"],        s=sizes,        c=np.clip(df["avg_exp_scaled"].to_numpy(), 0.0, 1.0),        cmap=cmap,        vmin=0,        vmax=1,        edgecolors="#6e6e6e",        linewidths=0.6,        alpha=1.0,    )    ax.set_xlim(-0.8, len(GENES) - 0.2)    ax.set_ylim(-0.8, len(CELL_TYPES) - 0.2)    ax.invert_yaxis()    ax.set_xticks(range(len(GENES)))    ax.set_xticklabels(GENES, rotation=90, ha="center", va="top", fontsize=12, fontstyle="italic")    ax.set_yticks(range(len(CELL_TYPES)))    ax.set_yticklabels(CELL_TYPES, fontsize=14)    ax.tick_params(axis="y", pad=8)    ax.tick_params(axis="x", length=3, width=0.8, color="#666666")    ax.tick_params(axis="y", length=0)    for side in ["top", "right", "left", "bottom"]:        ax.spines[side].set_visible(True)        ax.spines[side].set_color("#8d8d8d")        ax.spines[side].set_linewidth(1.0)    trans = transforms.blended_transform_factory(ax.transAxes, ax.transData)    x_out = -0.12    for i, ct in enumerate(CELL_TYPES):        y = y_map[ct]        ax.scatter(            x_out,            y,            s=160,            c=LEFT_COLORS[i],            edgecolors="#6d6d6d",            linewidths=0.6,            zorder=7,            transform=trans,            clip_on=False,        )        ax.text(            x_out,            y,            str(LEFT_NUMBERS[i]),            color="black",            fontsize=9,            ha="center",            va="center",            fontweight="bold",            zorder=8,            transform=trans,            clip_on=False,        )    leg_ax = fig.add_axes([0.845, 0.50, 0.14, 0.38])    leg_ax.set_axis_off()    levels = [60, 50, 40, 30, 20, 10]    ys = np.linspace(0.85, 0.15, len(levels))    for yv, lv in zip(ys, levels):        s = s_min + (s_max - s_min) * np.sqrt(lv / 60.0)        leg_ax.scatter(0.25, yv, s=s, c="#8f8f8f", edgecolors="#5e5e5e", linewidths=1.0)        leg_ax.text(0.42, yv, f"{lv}", va="center", fontsize=12)    leg_ax.text(0.00, 0.50, "Fraction of cells\nin group (%)", rotation=90,                va="center", ha="center", fontsize=13)    leg_ax.set_xlim(0, 1)    leg_ax.set_ylim(0, 1)    cax = fig.add_axes([0.872, 0.15, 0.016, 0.24])    cb = plt.colorbar(sc, cax=cax)    cb.set_ticks([0.0, 0.5, 1.0])    cb.ax.tick_params(labelsize=12)    cb.outline.set_edgecolor("#5e5e5e")    cb.outline.set_linewidth(1.0)    fig.text(0.842, 0.27, "Mean expression\nin group", rotation=90,             va="center", ha="center", fontsize=13)    plt.savefig(out_png, dpi=300)    if out_pdf is not None:        plt.savefig(out_pdf, format="pdf")    plt.close(fig)