Nature图形复现—两种快速绘制热图的方法

相信大家在科研过程中,会遇到热图,有时候会觉得热图理解起来比较困难,或者觉得绘制热图也比较困难。本期教程我们来深入了解热图、绘制热图。

热图是一种通过颜色深浅或色阶变化来直观展示数据分布、密度或数值大小的可视化工具。它在多个领域(如数据分析、生物信息学、地理信息系统等)中被广泛使用。

其核心原理为:

1 **)颜色映射:**将数值大小映射到颜色(如红色表示高值,蓝色表示低值);

2 **)矩阵结构:**通常以二维矩阵形式呈现,行和列代表不同的类别或维度,单元格颜色反映对应位置的数值。

常见应用场景:

**数据分析:**展示相关性矩阵(如变量间的相关系数)、用户行为分析(如网页点击热图)。

生物信息学:基因表达水平聚类分析(如RNA测序数据,展示不同样本(如不同的疾病状态、不同时间点等)下多个基因的表达水平等)。

**地理信息:**人口密度、温度分布等空间数据可视化。

**商业分析:**销售热区、用户活跃时段分布。

本期教程以2022年6月发表于Nature communications的一篇文章,使用Origin和Graphpad绘制热图。

Origin 绘制热图

1.打开Origin软件,把数据导入到软件中;

2.选中所有的数据,点击绘图---等高线图---热图;

3.在跳出的对话框下,直接点击确定;

4.绘制出来的图形如下图所示,接着需要对其进行细节美化;

5.双击图形,在颜色映射对话框下,点击填充,选择加载调色板,选择自己喜欢的颜色;

6.点击下轴,在跳出的浮动工具,选择显示相对轴,刻度样式选择无,取消勾选显示标签。点击上轴,在跳出的浮动工具,刻度样式同样选择无;

7.接着对其进行其它细节美化,包括对横坐标标签进行修改,修改字体大小,样式等,其最终效果图如下图所示:

Graphpad绘制热图

1.打开Graphpad软件,选择分组---在选项处选择第一个,接着将数据导入到软件中;

2.点击图表中的左侧图那里,选择对应数据,如本数据的Data2,在跳出的对话框,选择热图,选择第一个图形;

3.绘制出来的图形如下图所示,接着需要对其进行细节美化;

4.双击图形,在颜色映射对话框下,颜色映射选择为双梯度,范围最小值和最大值设置为自己喜欢的颜色;

5.在标签对话框下,行标签选择行标题,列标签位置设置为无;

6.接着对其进行其它细节美化,其中包括添加和修改坐标轴标签,修改颜色标尺等,其最终效果图如下图所示:

以上就是Origin和Graphpad绘制热图的基本步骤,相比之下,个人觉得Graphpad绘制出来的图形与Nature子刊的图形更加相似,但Origin绘制起来更加方便。大家根据自己的需求来进行选择即可。

热图是常用的表征数据的手段,科研人快快都学习起来吧!

------ END ------

相关推荐
要努力啊啊啊1 小时前
YOLOv3-SPP Auto-Anchor 聚类调试指南!
人工智能·深度学习·yolo·目标检测·目标跟踪·数据挖掘
好开心啊没烦恼1 小时前
Python 数据分析:numpy,说人话,说说数组维度。听故事学知识点怎么这么容易?
开发语言·人工智能·python·数据挖掘·数据分析·numpy
生态遥感监测笔记1 小时前
GEE利用已有土地利用数据选取样本点并进行分类
人工智能·算法·机器学习·分类·数据挖掘
涤生大数据4 小时前
Apache Spark 4.0:将大数据分析提升到新的水平
数据分析·spark·apache·数据开发
遇雪长安5 小时前
差分定位技术:原理、分类与应用场景
算法·分类·数据挖掘·rtk·差分定位
可观测性用观测云5 小时前
Pipeline 引用外部数据源最佳实践
数据分析
是Dream呀5 小时前
基于连接感知的实时困倦分类图神经网络
神经网络·分类·数据挖掘
大数据CLUB11 小时前
基于spark的奥运会奖牌变化数据分析
大数据·hadoop·数据分析·spark
好开心啊没烦恼16 小时前
Python 数据分析:计算,分组统计1,df.groupby()。听故事学知识点怎么这么容易?
开发语言·python·数据挖掘·数据分析·pandas
数据饕餮21 小时前
Python数据分析基础03:探索性数据分析
python·信息可视化·数据分析