期刊图片复现|Python绘制UpSet变体图

# =========================================================================================# ====================================== 1. 环境设置 =======================================# =========================================================================================import matplotlib.pyplot as pltimport numpy as np

# =========================================================================================# ====================================== 2. 配色方案 =======================================# =========================================================================================COLOR_SCHEMES = {    1: ['#1E7595', '#DE6344', '#FCE2C4', '#4DAF4A', '#984EA3', '#FFFF33'],}

# =========================================================================================# ====================================== 3. 绘图函数 =======================================# =========================================================================================def plot_advanced_forest_chart(df, scheme_id):    values = df['Values'].tolist()  # 获取数值    # 提取数据    # 提取颜色    color_bar_blue = selected_hex_colors[0]    color_bar_red = selected_hex_colors[1]    color_bar_beige = selected_hex_colors[2]

    # 创建画布    fig, ax = plt.subplots(figsize=(8.5, 6))    # 调整布局    fig.subplots_adjust(bottom=0.25,  # 下                        left=0.35,  # 左                        right=0.95,  # 右                        top=0.85)  # 上

    # y轴范围    ax.set_ylim(0, y_max * 1.25)    # x轴范围    # 设置y轴刻度线    ax.tick_params(axis='y',  # 轴                   labelsize=12,  # 大小                   length=5,  # 长                   width=2)  # 宽    ax.set_xticks([])  # x轴刻度

    # 子图编号    fig.text(0.02,  # x             0.92,  # y             'b',  # 文本             fontsize=26,  # 字体大小             fontweight='bold')  # 加粗    # 主标题    ax.text(np.mean(x),  # x轴居中            y_max * 1.25,  # y轴动态位置            'Patient-Level Concordance',  # 文本            fontsize=18,  # 字体大小            ha='center',  # 水平            va='bottom')  # 垂直    # 图顶部需要展示的分类文本    text_labels = ['Disconcordant', 'Complete\nconcordant', 'Partially concordant']    text_colors = [color_bar_blue, color_bar_red, color_bar_beige]  # 对应颜色    #划分数据块    chunk_sizes = [3, 2, 3]    start_idx = 0#分块开始索引

    # 行标题    row_labels = [        'With plasma-specific variants',        'With tissue-specific variants',        'With shared variants'    ]    row_colors = ['#EF7857', '#176E94', '#4D4D4D']  # 行标题颜色    # 遍历行    for label, color, y_off in zip(row_labels, row_colors, y_offsets):        ax.text(-0.7,  # x                y_off,  # y                label,  # 文本                ha='right',  # 水平                va='center',  # 垂直                color=color,  # 颜色                fontsize=14,  # 大小                fontweight='bold')  # 加粗

# =========================================================================================# ====================================== 4. 执行函数 =======================================# =========================================================================================if __name__ == '__main__':    df_real = pd.read_excel(r'data.xlsx')  # 读取数据        scheme_id = 1        print('正在绘制并保存方案：', scheme_id)        plot_advanced_forest_chart(df_real, scheme_id)

df_real = pd.read_excel(r'data.xlsx')  # 读取数据

2.设置是否要进行批量绘图，执行部分：

plot_all = True  # 是否批量绘图

matrix = [    df['Plasma_specific'].tolist(),df['Tissue_specific'].tolist(),df['Shared'].tolist()]

4.设置绘图结果的保存地址，绘图函数部分：

plt.savefig(fr'Scheme_{scheme_id}.png', dpi=300,bbox_inches='tight')