可视化对比：ggplot2/matplotlib/plotly¶

# === ggplot2 火山图 ===
library(ggplot2)
library(ggrepel)

ggplot(deg_results, aes(x=log2FoldChange, y=-log10(padj))) +
  geom_point(aes(color=significance), size=1, alpha=0.7) +  # 散点
  scale_color_manual(values=c("grey","blue","red")) +         # 颜色
  geom_hline(yintercept=-log10(0.05), linetype="dashed") +   # 水平线
  geom_vline(xintercept=c(-1,1), linetype="dashed") +        # 垂直线
  geom_text_repel(data=top_genes, aes(label=gene),           # 标注
                  size=3, max.overlaps=20) +
  labs(x="log2(Fold Change)", y="-log10(FDR)",               # 标签
       title="Volcano Plot") +
  theme_minimal() +                                           # 简洁主题
  theme(legend.position="bottom")                             # 图例位置

# === matplotlib 火山图 ===
import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots(figsize=(8, 6))                       # 创建画布
colors = ['grey' if p > 0.05 else ('red' if fc > 1 else 'blue')
          for fc, p in zip(df['logFC'], df['padj'])]          # 颜色映射
ax.scatter(df['logFC'], -np.log10(df['padj']),                # 散点
           c=colors, s=5, alpha=0.7)
ax.axhline(y=-np.log10(0.05), color='grey', linestyle='--')  # 水平线
ax.axvline(x=1, color='grey', linestyle='--')                # 垂直线
ax.axvline(x=-1, color='grey', linestyle='--')
ax.set_xlabel('log2(Fold Change)')                            # x轴标签
ax.set_ylabel('-log10(FDR)')                                  # y轴标签
plt.tight_layout()
plt.savefig('volcano.png', dpi=300)                           # 保存

# === R: ComplexHeatmap（生信热图金标准） ===
library(ComplexHeatmap)

Heatmap(
  expr_matrix,                              # 表达矩阵
  name = "Z-score",                         # 图例名
  col = colorRampPalette(c("blue","white","red"))(100),  # 颜色
  row_km = 3,                              # 行聚类分3组
  column_km = 2,                           # 列聚类分2组
  show_row_names = FALSE,                  # 不显示行名
  top_annotation = HeatmapAnnotation(       # 顶部注释
    Group = sample_info$group,
    col = list(Group=c(A="red", B="blue"))
  )
)

# === Python: seaborn clustermap ===
import seaborn as sns

g = sns.clustermap(
    expr_matrix,                            # 表达矩阵
    method='ward',                          # 聚类方法
    cmap='RdBu_r',                         # 颜色方案
    standard_scale=0,                       # 行标准化
    figsize=(10, 12),                       # 图大小
    col_colors=group_colors                 # 列颜色注释
)
g.savefig('heatmap.png', dpi=300)

# === ggplot2 PCA图 ===
library(ggplot2)

pca_df <- data.frame(PC1=pca$x[,1], PC2=pca$x[,2], Group=sample_info$group)

ggplot(pca_df, aes(x=PC1, y=PC2, color=Group)) +
  geom_point(size=3) +                     # 散点
  stat_ellipse(level=0.95) +               # 95%置信椭圆
  labs(x=paste0("PC1 (", var_pct[1], "%)"),
       y=paste0("PC2 (", var_pct[2], "%)")) +
  theme_bw()

# === plotly 交互式（R版） ===
library(plotly)

p <- ggplot(data, aes(x=x, y=y, color=group, text=label)) +
  geom_point()
ggplotly(p)                                 # ggplot→交互式（一行搞定！）

# === plotly 交互式（Python版） ===
import plotly.express as px

fig = px.scatter(df, x='PC1', y='PC2',
                 color='Group',             # 颜色映射
                 hover_data=['sample_id'],  # 悬停显示
                 title='PCA Plot')
fig.write_html('pca_interactive.html')      # 保存为HTML
fig.show()                                  # 显示

ggplot(data, aes(x, y, color)) +  # 数据+映射
  geom_point() +                    # 几何对象（点/线/柱）
  scale_color_manual() +            # 标度（颜色/大小）
  facet_wrap() +                    # 分面（多面板）
  theme_minimal()                   # 主题（外观）

# === 可视化速查 ===
# 论文发表: ggplot2 + cowplot拼图 + PDF导出
# Python项目: matplotlib + seaborn统计图
# 交互展示: plotly (R/Python都有)
# 生信热图: ComplexHeatmap(R) / seaborn.clustermap(Python)
# 生存曲线: survminer(R) / lifelines(Python)
# 单细胞: Seurat::DimPlot(R) / scanpy.pl(Python)

# 导出: ggsave("fig.pdf", width=8, height=6)  # R
#        plt.savefig("fig.png", dpi=300, bbox_inches='tight')  # Python