期刊图片复现|Python绘制UpSet变体图
- 2026-08-18 23:10:33
期刊图片复现|Python绘制UpSet变体图
论文：Pan-cancer analysis of tissue-plasma genomic concordance reveals enhanced concordance with liver metastasis and plasma clonality as predictor of poorer overall survival 
论文原图 该UpSet变体图详细展示了参与研究的肿瘤患者ctDNA样本中体细胞突变情况的患者水平一致性分布特征。图表根据变异类型的有无（由底部矩阵的勾号和叉号表示），将患者精准划分为三大类：Discordant组（蓝色柱状图），其中420名患者仅检测到组织特异性变异，7名患者仅有血浆特异性变异，另有76名患者同时具有血浆和组织特异性变异但不存在共有变异；Complete concordant组（橙色柱状图），包含8名在两种样本中均未检测出任何变异的患者以及42名仅检测到共有变异的患者；Partially concordant组（米黄色柱状图），该组表现出变异的多样性，包括99名同时具有血浆特异性变异和共有变异的患者，209名同时具有组织特异性变异和共有变异的患者，以及人数最多的一组250名同时携带血浆特异性、组织特异性和共有变异三种突变类型的患者。 
仿图 
多种配色 
库的导入以及字体设置 
设置颜色库 
绘图函数：数据准备与颜色提取 
绘图函数：创建画布与绘制柱状图 
绘图函数：坐标轴与边框设置 
绘图函数：顶部标题及分类文本标注 
绘图函数：绘制底部点阵图 
执行部分 
期刊图片复现|Python绘制二维偏依赖PDP图 期刊复现|python绘制基于SHAP分析和GAM模型拟合的单特征依赖图 期刊图片复现|python绘制带有渐变颜色shap特征重要性组合图（条形图+蜂巢图） 期刊复现|用Python绘制SHAP特征重要性总览图、依赖图、双特征交互效应SHAP图，解锁XGBoost模型的终极奥秘 期刊图片复现|Python绘制shap重要性蜂巢图+单特征依赖图+交互效应强度气泡图+交互效应依赖图（回归+二分类+分类） 
公众号中的所有所有的免费代码都已经下架了，都并入到付费部分里了，付费合集代码和数据的购买通道已经开通，全部合集100元，后续将会持续更新，决定购买请后台私信我，注意只会分享练习数据和代码文件，不会提供答疑服务，代码文件中已经包含了每行代码的完整注释，购买前请确保真的需要！！!
代码绘制成果展示
代码解释
第一部分
# =========================================================================================# ====================================== 1. 环境设置 =======================================# =========================================================================================import matplotlib.pyplot as pltimport numpy as np
第二部分
# =========================================================================================# ====================================== 2. 配色方案 =======================================# =========================================================================================COLOR_SCHEMES = {1: ['#1E7595', '#DE6344', '#FCE2C4', '#4DAF4A', '#984EA3', '#FFFF33'],}
第三部分
# =========================================================================================# ====================================== 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]
第四部分
# 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
第五部分
# 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
第六部分
# 子图编号fig.text(0.02, # x0.92, # 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
第七部分
# 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, # xy_off, # ylabel, # 文本ha='right', # 水平va='center', # 垂直color=color, # 颜色fontsize=14, # 大小fontweight='bold') # 加粗
第八部分
# =========================================================================================# ====================================== 4. 执行函数 =======================================# =========================================================================================if __name__ == '__main__':df_real = pd.read_excel(r'data.xlsx') # 读取数据scheme_id = 1print('正在绘制并保存方案：', scheme_id)plot_advanced_forest_chart(df_real, scheme_id)
如何应用到你自己的数据
1.设置原始数据的保存路径，执行部分：
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3.设置要提取的数据，绘图函数部分：
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')推荐
获取方式
本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：wyl860211@qq.com 。
