python中如何画火山图_石家庄创泽智能科技有限公司

新闻中心 NEWS CENTER

您当前位置：首页 > 新闻中心 > 网络学院

python中如何画火山图

2025-11-23

浏览次数：次

返回列表

使用matplotlib或seaborn绘制火山图，横轴为log2 fold change，纵轴为-log10(p-value)，通过颜色区分显著性，并添加阈值线和基因标注以增强可视化效果。

python中如何画火山图

在Python中绘制火山图（Volcano Plot）通常用于展示基因表达分析中的差异表达基因，横轴表示变化倍数（log2 fold change），纵轴表示统计显著性（-log10 p-value）。最常用的方法是使用 matplotlib 或 seaborn 库来实现。

1. 准备数据

假设你有一个包含以下列的Pandas DataFrame：

gene_name：基因名称
log2fc：log2 fold change
pvalue：p-value

你可以添加一列 -log10(pvalue) 用于Y轴，并设定阈值判断是否显著。

2. 使用 matplotlib 绘制火山图

示例代码：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
<h1>模拟数据</h1><p>np.random.seed(42)
data = pd.DataFrame({
'gene<em>name': [f'Gene</em>{i}' for i in range(1000)],
'log2fc': np.random.normal(0, 1, 1000),
'pvalue': np.random.uniform(0, 0.05, 1000)
})</p><h1>计算 -log10(pvalue)</h1><p>data['neg_log10_pval'] = -np.log10(data['pvalue'])</p>
                    <div class="aritcle_card">
                        <a class="aritcle_card_img" href="/ai/1283">
                            <img src="https://img.php.cn/upload/ai_manual/000/000/000/175680129133514.png" alt="PictoGraphic">
                        </a>
                        <div class="aritcle_card_info">
                            <a href="/ai/1283">PictoGraphic</a>
                            <p>AI驱动的矢量插图库和插图生成平台</p>
                            <div class="">
                                <img src="/static/images/card_xiazai.png" alt="PictoGraphic">
                                <span>133</span>
                            </div>
                        </div>
                        <a href="/ai/1283" class="aritcle_card_btn">
                            <span>查看详情</span>
                            <img src="/static/images/cardxiayige-3.png" alt="PictoGraphic">
                        </a>
                    </div>
                <h1>设置显著性和变化倍数的阈值</h1><p>log2fc_threshold = 1
pval_threshold = 0.05
data['significance'] = (
(data['pvalue'] < pval_threshold) & 
(abs(data['log2fc']) > log2fc_threshold)
)</p><h1>开始绘图</h1><p>plt.figure(figsize=(8, 6))
for label, group in data.groupby('significance'):
color = '#d32f2f' if label else '#757575'
label_name = 'Significant' if label else 'Not Significant'
plt.scatter(group['log2fc'], group['neg_log10_pval'], 
c=color, label=label_name, alpha=0.7, s=10)</p><p>plt.axvline(x=log2fc_threshold, color='black', linestyle='--', linewidth=1)
plt.axvline(x=-log2fc_threshold, color='black', linestyle='--', linewidth=1)
plt.axhline(y=-np.log10(pval_threshold), color='black', linestyle='--', linewidth=1)</p><p>plt.xlabel('log2 Fold Change')
plt.ylabel('-log10(P-value)')
plt.title('Volcano Plot')
plt.legend()
plt.grid(False)
plt.tight_layout()
plt.show()</p>

3. 使用 seaborn 增强可视化效果

你也可以用 seaborn 来提升美观度：

import seaborn as sns
<p>plt.figure(figsize=(8, 6))
sns.scatterplot(
data=data,
x='log2fc',
y='neg_log10_pval',
hue='significance',
palette={True: '#d32f2f', False: '#757575'},
alpha=0.7,
s=20,
legend=True
)</p><p>plt.axvline(x=log2fc_threshold, color='black', linestyle='--')
plt.axvline(x=-log2fc_threshold, color='black', linestyle='--')
plt.axhline(y=-np.log10(pval_threshold), color='black', linestyle='--')</p><p>plt.xlabel('log2 Fold Change')
plt.ylabel('-log10(P-value)')
plt.title('Volcano Plot with Seaborn')
plt.show()</p>

4. 高亮特定基因

如果你想标注某些关键基因：

# 举例高亮前5个显著基因
top_genes = data[data['significance']].head(5)
for _, row in top_genes.iterrows():
    plt.annotate(row['gene_name'], 
                 (row['log2fc'], row['neg_log10_pval']),
                 fontsize=8,
                 ha='right')

基本上就这些。通过设置阈值、颜色区分和简单注释，就能清晰展示哪些基因差异表达显著。不复杂但容易忽略细节，比如对数转换和合理缩放坐标轴。根据实际数据调整参数即可。

以上就是python中如何画火山图的详细内容，更多请关注其它相关文章！

# 你想 # 小企业网站建设莱芜 # 湛江外贸网站建设电话 # 企业营销型网站建设 # 跨境店铺营销推广 # 浠水网站建设方案 # 南宁seo搜索 # 衡阳网站建设千度 # 桂林网站建设推广 # 广州网站建设企业 # 深圳seo小伊微 # python # 可以用 # 你也 # 就能 # 你可以 # 源代码 # 如何将 # 命令行 # 转换为 # 纵轴 # igs