Nature 级科研图表的 Python 复现指南——从散点图到火山图,用 30 行代码画出同款

读 Nature 论文时，那些图表为什么总是看起来特别"高级"？除了数据本身，统一的配色、干净的布局和恰到好处的标注才是关键。

本文用 Python（matplotlib + seaborn）复现 5 张最常见的科研图表，每一张都附带可直接运行的源码。配色方案直接取自 Nature 期刊风格。

【一、散点图：展示两组实验的相关性】

适用场景：生物学重复实验的 gene expression 对比、方法学一致性检验。

【二、分组柱状图：多处理组的指标对比】

适用场景：不同实验条件下目标基因/蛋白的表达量对比。

【三、聚类热图：基因表达矩阵的可视化】

适用场景：RNA-seq 表达矩阵、样本相似性矩阵、相关性矩阵。

【四、火山图：差异表达分析结果】

适用场景：RNA-seq / 蛋白质组学差异分析，一眼看出上调、下调、不显著基因。

共有159种科研图（有代码，数据齐全情况下直接喂给AI）有需要的私信获取哦。