MATLAB | 绘图复刻（二十五）| 环形柱状图+核密度面积图

slandarer2026-02-25 11:16

大家好久不见，吃喝玩乐后又来写推送啦，本期复刻的图像来自：

  • Li, G., Su, X., Yang, Y. et al. Interpretability-guided RNA N 6 \text{N}^6 N6-methyladenosine modification site prediction with invertible neural networks. Commun Biol 8, 1022 (2025). https://doi.org/10.1038/s42003-025-08265-8

的 fig.5 中的 e、f 图：

复刻效果:

还是非常好看的：

正文

数据准备

这里展示一下每种数据大概长啥样：大家可以自行从excel、mat或者txt文件读取：

matlab 复制代码 
clc; clear
% 原图环形柱状图柱子长度显著性水平，顶部的数字表示富集基因的数量
% 这里我们直接随便编一下

Name = {'GeneXXXXXX-A', 'GeneXYYYYYYYY-B', 'GeneXXXXXXYYY-C', 'GeneXXXXXXYY-D', ...
        'GeneXXXXXX-E', 'GeneXXXXXXXXX-F', 'GeneXXXXXX-G', 'GeneXXXXXX-H', ...
        'GeneABCABCXXXXXX-I', 'GeneXXXXXX-J'};
Value = [31, 17, 17, 21, 20, 18, 11, 15, 7, 9];
Len = Value; % 我们这里直接长度和数字统一，可自行换成其他数值
Class = [1, 2, 2, 1, 1, 2, 2, 2, 2, 2];
ClassName = {'SLAN-related', 'Other'};

% 随机生成了一些 0-80 的数字，并随机将其分类(类1、类2)
rng(1)
Num = [randi([0, 80], [1, 50]), randi([10, 20], [1, 40]), randi([75, 80], [1, 10])];
NumClass = randi([1, 2], [1, 100]);


% 配色，这里只有两种颜色，如果类更多的话要增添更多颜色
CList = [235,173,189; 
        123,166,211]./255;

原文中柱状图的柱子长度和标注的数值是不一样的，柱子长度代表显著性水平，顶部的数字表示富集基因的数量，我们弄一样或者不一样都可以。比如我们这段代码里面标注的数值和柱子长度就是对应的。变量 Class 和 NumClass 这里用来存储分类情况的数组，比如分了两类的话，其中的数值就只有1和2。

环形柱状图绘制

比较新的版本可以直接用极坐标区域相关函数绘制会非常方便，这里为了尽量照顾更多的版本，就硬画了网格线和柱子：

matlab 复制代码 
figure('Units','normalized', 'Position',[.1,.2,.7,.7]);
%% 环形柱状图
ax1 = axes('Parent',gcf, 'Position',[.05,.1,.9,.8], 'DataAspectRatio',[1,1,1], ...
    'XLim', [-2, 1], 'YLim', [-1,1], 'NextPlot','add', 'XColor','none', 'YColor','none');
N = length(Value); M = max(Len);
% 绘制环形柱状图网格
tt = linspace(pi/2, -pi/2, 100); xx = cos(tt); yy = sin(tt);
XX = repmat([xx.'; nan], [1, N]).*repmat(((1:N) + .5)./(N + .5), [101, 1]);
YY = repmat([yy.'; nan], [1, N]).*repmat(((1:N) + .5)./(N + .5), [101, 1]);
plot(XX(:), YY(:), 'LineWidth',1, 'Color',[1,1,1].*.9)
th = [pi/2, -pi/2, pi/6, -pi/6];
XX = [th.*0; cos(th); th.*nan];
YY = [th.*0; sin(th); th.*nan];
plot(XX(:), YY(:), 'LineWidth',1, 'Color',[1,1,1].*.9)
% 绘制柱状图
for i = 1:N
    R = (N - i + 1)./(N + .5); r = .3./(N + .5);
    TT = (tt - pi/2).*.8.*Len(i)./M + pi/2;
    XX = [cos(TT).*(R + r), cos(TT(end:-1:1)).*(R - r)];
    YY = [sin(TT).*(R + r), sin(TT(end:-1:1)).*(R - r)];
    fill(XX, YY, CList(Class(i),:), 'LineWidth',1.5)
    text(cos(TT(end)).*R + sin(TT(end))./(N)./2, sin(TT(end)).*R - cos(TT(end))./(N)./2, ...
        num2str(Value(i)), 'HorizontalAlignment','center', 'FontName','Arial', 'FontSize',13)
    text(-.05, R, Name{i}, 'HorizontalAlignment','right', 'FontName','Arial', 'FontSize',13)
end

for i = 1:max(Class)
    lgdHdl1(i) = fill([115,108,97,110,100], [97,114,101,114,32], CList(Class(i),:), 'LineWidth',1.5);
end
lgd1 = legend(lgdHdl1, ClassName, 'Box','off', 'FontName','Arial', ...
    'FontSize',16, 'FontWeight','bold', 'Location','northwest');

核密度图绘制

matlab 复制代码 
ax2 = axes('Parent',gcf, 'Position',[.18,.1,.42,.4], 'NextPlot','add', ...
    'XLim', [-20,100], 'LineWidth',1.5, 'Box','on', 'TickLength',[.001,0], ...
    'TickDir','out', 'FontSize',13);
xlabel(ax2, 'XXXX-XXXX-xxxxxxxx', 'FontName','Arial', 'FontSize',16)
ylabel(ax2, 'Density', 'FontName','Arial', 'FontSize',16)
xline(40, 'LineWidth',1, 'Alpha',1, 'LineStyle','--');

for i = 1:max(NumClass)
    x = Num(NumClass == i);
    [f, xi] = ksdensity(x);
    lgdHdl2(i) = area(xi, f, 'FaceColor',CList(i,:), 'EdgeColor',CList(i,:), 'FaceAlpha',.5);
    lgdtxt{i} = ['Mean counts: ' ,num2str(round(mean(x)))];
end
lgd2 = legend(lgdHdl2, ClassName, 'Box','off', 'FontName','Arial', ...
    'FontSize',16, 'Location','northeast');

完整代码

完整代码（两类）

matlab 复制代码 
% 复刻自 | https://www.nature.com/articles/s42003-025-08265-8 
% + Li, G., Su, X., Yang, Y. et al. 
%   Interpretability-guided RNA N6-methyladenosine modification site prediction 
%   with invertible neural networks. Commun Biol 8, 1022 (2025). 
%   https://doi.org/10.1038/s42003-025-08265-8

clc; clear
% 原图环形柱状图柱子长度显著性水平，顶部的数字表示富集基因的数量
% 这里我们直接随便编一下

Name = {'GeneXXXXXX-A', 'GeneXYYYYYYYY-B', 'GeneXXXXXXYYY-C', 'GeneXXXXXXYY-D', ...
        'GeneXXXXXX-E', 'GeneXXXXXXXXX-F', 'GeneXXXXXX-G', 'GeneXXXXXX-H', ...
        'GeneABCABCXXXXXX-I', 'GeneXXXXXX-J'};
Value = [31, 17, 17, 21, 20, 18, 11, 15, 7, 9];
Len = Value; % 我们这里直接长度和数字统一，可自行换成其他数值
Class = [1, 2, 2, 1, 1, 2, 2, 2, 2, 2];
ClassName = {'SLAN-related', 'Other'};

% 随机生成了一些 0-80 的数字，并随机将其分类(类1、类2)
rng(1)
Num = [randi([0, 80], [1, 50]), randi([10, 20], [1, 40]), randi([75, 80], [1, 10])];
NumClass = randi([1, 2], [1, 100]);



% 配色，这里只有两种颜色，如果类更多的话要增添更多颜色
CList = [235,173,189; 
        123,166,211]./255; 


%% 开始绘图 ================================================================
figure('Units','normalized', 'Position',[.1,.2,.7,.7]);
%% 环形柱状图
ax1 = axes('Parent',gcf, 'Position',[.05,.1,.9,.8], 'DataAspectRatio',[1,1,1], ...
    'XLim', [-2, 1], 'YLim', [-1,1], 'NextPlot','add', 'XColor','none', 'YColor','none');
N = length(Value); M = max(Len);
% 绘制环形柱状图网格
tt = linspace(pi/2, -pi/2, 100); xx = cos(tt); yy = sin(tt);
XX = repmat([xx.'; nan], [1, N]).*repmat(((1:N) + .5)./(N + .5), [101, 1]);
YY = repmat([yy.'; nan], [1, N]).*repmat(((1:N) + .5)./(N + .5), [101, 1]);
plot(XX(:), YY(:), 'LineWidth',1, 'Color',[1,1,1].*.9)
th = [pi/2, -pi/2, pi/6, -pi/6];
XX = [th.*0; cos(th); th.*nan];
YY = [th.*0; sin(th); th.*nan];
plot(XX(:), YY(:), 'LineWidth',1, 'Color',[1,1,1].*.9)
% 绘制柱状图
for i = 1:N
    R = (N - i + 1)./(N + .5); r = .3./(N + .5);
    TT = (tt - pi/2).*.8.*Len(i)./M + pi/2;
    XX = [cos(TT).*(R + r), cos(TT(end:-1:1)).*(R - r)];
    YY = [sin(TT).*(R + r), sin(TT(end:-1:1)).*(R - r)];
    fill(XX, YY, CList(Class(i),:), 'LineWidth',1.5)
    text(cos(TT(end)).*R + sin(TT(end))./(N)./2, sin(TT(end)).*R - cos(TT(end))./(N)./2, ...
        num2str(Value(i)), 'HorizontalAlignment','center', 'FontName','Arial', 'FontSize',13)
    text(-.05, R, Name{i}, 'HorizontalAlignment','right', 'FontName','Arial', 'FontSize',13)
end

for i = 1:max(Class)
    lgdHdl1(i) = fill([115,108,97,110,100], [97,114,101,114,32], CList(Class(i),:), 'LineWidth',1.5);
end
lgd1 = legend(lgdHdl1, ClassName, 'Box','off', 'FontName','Arial', ...
    'FontSize',16, 'FontWeight','bold', 'Location','northwest');

%% 核密度图
ax2 = axes('Parent',gcf, 'Position',[.18,.1,.42,.4], 'NextPlot','add', ...
    'XLim', [-20,100], 'LineWidth',1.5, 'Box','on', 'TickLength',[.001,0], ...
    'TickDir','out', 'FontSize',13);
xlabel(ax2, 'XXXX-XXXX-xxxxxxxx', 'FontName','Arial', 'FontSize',16)
ylabel(ax2, 'Density', 'FontName','Arial', 'FontSize',16)
xline(40, 'LineWidth',1, 'Alpha',1, 'LineStyle','--');

for i = 1:max(NumClass)
    x = Num(NumClass == i);
    [f, xi] = ksdensity(x);
    lgdHdl2(i) = area(xi, f, 'FaceColor',CList(i,:), 'EdgeColor',CList(i,:), 'FaceAlpha',.5);
    lgdtxt{i} = ['Mean counts: ' ,num2str(round(mean(x)))];
end
lgd2 = legend(lgdHdl2, ClassName, 'Box','off', 'FontName','Arial', ...
    'FontSize',16, 'Location','northeast');

完整代码（更多类和更多配色）

写了一个例子，能更清晰展示怎么画分更多类的图：实际上有变动的只有前半部分。后面代码一模一样。

matlab 复制代码 
% 复刻自 | https://www.nature.com/articles/s42003-025-08265-8 
% + Li, G., Su, X., Yang, Y. et al. 
%   Interpretability-guided RNA N6-methyladenosine modification site prediction 
%   with invertible neural networks. Commun Biol 8, 1022 (2025). 
%   https://doi.org/10.1038/s42003-025-08265-8

clc; clear
% 原图环形柱状图柱子长度显著性水平，顶部的数字表示富集基因的数量
% 这里我们直接随便编一下

Name = {'GeneXXXXXX-A', 'GeneXYYYYYYYY-B', 'GeneXXXXXXYYY-C', 'GeneXXXXXXYY-D', ...
        'GeneXXXXXX-E', 'GeneXXXXXXXXX-F', 'GeneXXXXXX-G', 'GeneXXXXXX-H', ...
        'GeneABCABCXXXXXX-I', 'GeneXXXXXX-J'};
Value = [31, 17, 17, 21, 20, 18, 11, 15, 7, 9];
Len = 10:-1:1; % 我们这里直接长度和数字统一，可自行换成其他数值
Class = [1, 2, 3, 4, 4, 2, 2, 1, 1, 2];
ClassName = {'Class-A','Class-B','Class-C','Class-D'};

% 随机生成了一些 0-80 的数字，并随机将其分类(类1、类2、类3、类4)
rng(2)
Num = [randi([0, 80], [1, 50]), randi([10, 20], [1, 40]), randi([75, 80], [1, 10])];
NumClass = randi([1, 4], [1, 100]);

% 配色，如果类更多的话要增添更多颜色
CList = [0.3961    0.6863    0.9529
    0.3686    0.6039    0.6118
    0.9725    0.8039    0.3137
    0.5020    0.4706    0.2902]; 
% CList = [0.0157    0.5412    0.7490
%     0.2784    0.3098    0.2431
%     0.9490    0.7176    0.0196
%     0.6510    0.3098    0.0118
%     0.7490    0.1882    0.1882];
% CList = [0.0745    0.1922    0.4902
%     0.4941    0.6549    0.8275
%     0.5216    0.8275    0.7647
%     0.8510    0.5725    0.4745
%     0.9686    0.3176    0.0275];
% CList = [0.1647    0.2471    0.4314
%     0.2431    0.5725    0.8784
%     0.7529    0.8078    0.8196
%     0.9882    0.8275    0.2941
%     0.9686    0.5804    0.0353];


%% 开始绘图 ================================================================
figure('Units','normalized', 'Position',[.1,.2,.7,.7]);
%% 环形柱状图
ax1 = axes('Parent',gcf, 'Position',[.05,.1,.9,.8], 'DataAspectRatio',[1,1,1], ...
    'XLim', [-2, 1], 'YLim', [-1,1], 'NextPlot','add', 'XColor','none', 'YColor','none');
N = length(Value); M = max(Len);
% 绘制环形柱状图网格
tt = linspace(pi/2, -pi/2, 100); xx = cos(tt); yy = sin(tt);
XX = repmat([xx.'; nan], [1, N]).*repmat(((1:N) + .5)./(N + .5), [101, 1]);
YY = repmat([yy.'; nan], [1, N]).*repmat(((1:N) + .5)./(N + .5), [101, 1]);
plot(XX(:), YY(:), 'LineWidth',1, 'Color',[1,1,1].*.9)
th = [pi/2, -pi/2, pi/6, -pi/6];
XX = [th.*0; cos(th); th.*nan];
YY = [th.*0; sin(th); th.*nan];
plot(XX(:), YY(:), 'LineWidth',1, 'Color',[1,1,1].*.9)
% 绘制柱状图
for i = 1:N
    R = (N - i + 1)./(N + .5); r = .3./(N + .5);
    TT = (tt - pi/2).*.8.*Len(i)./M + pi/2;
    XX = [cos(TT).*(R + r), cos(TT(end:-1:1)).*(R - r)];
    YY = [sin(TT).*(R + r), sin(TT(end:-1:1)).*(R - r)];
    fill(XX, YY, CList(Class(i),:), 'LineWidth',1.5)
    text(cos(TT(end)).*R + sin(TT(end))./(N)./2, sin(TT(end)).*R - cos(TT(end))./(N)./2, ...
        num2str(Value(i)), 'HorizontalAlignment','center', 'FontName','Arial', 'FontSize',13)
    text(-.05, R, Name{i}, 'HorizontalAlignment','right', 'FontName','Arial', 'FontSize',13)
end
for i = 1:max(Class)
    lgdHdl1(i) = fill([115,108,97,110,100], [97,114,101,114,32], CList(Class(i),:), 'LineWidth',1.5);
end
lgd1 = legend(lgdHdl1, ClassName, 'Box','off', 'FontName','Arial', ...
    'FontSize',16, 'FontWeight','bold', 'Location','northwest');
%% 核密度图

ax2 = axes('Parent',gcf, 'Position',[.18,.1,.42,.4], 'NextPlot','add', ...
    'XLim', [-20,100], 'LineWidth',1.5, 'Box','on', 'TickLength',[.001,0], ...
    'TickDir','out', 'FontSize',13);
xlabel(ax2, 'XXXX-XXXX-xxxxxxxx', 'FontName','Arial', 'FontSize',16)
ylabel(ax2, 'Density', 'FontName','Arial', 'FontSize',16)
xline(40, 'LineWidth',1, 'Alpha',1, 'LineStyle','--');

for i = 1:max(NumClass)
    x = Num(NumClass == i);
    [f, xi] = ksdensity(x);
    lgdHdl2(i) = area(xi, f, 'FaceColor',CList(i,:), 'EdgeColor',CList(i,:), 'FaceAlpha',.5);
    lgdtxt{i} = ['Mean counts: ' ,num2str(round(mean(x)))];
end
lgd2 = legend(lgdHdl2, lgdtxt, 'Box','off', 'FontName','Arial', ...
    'FontSize',16, 'Location','northeast');

结

完整代码可以从以下gitee仓库获取：

相关推荐
孤独的追光者3 小时前
MATLAB导出滤波器参数至ADSP中使用
算法·matlab
Coisinilove3 小时前
MATLAB微分方程求解
开发语言·matlab·微分方程
busideyang4 小时前
MATLAB vs Rust在嵌入式领域的角色定位
开发语言·matlab·rust
ghie90904 小时前
蚁群全局最优算法：原理、改进与MATLAB实现
开发语言·算法·matlab
沐风老师1 天前
【科研绘图】3DMAX血管神经生成器CapillaryGenerator插件使用方法详解
3dmax插件·3dmax·科研绘图·血管神经生成器·capillary
Highcharts.js1 天前
什么是哑铃图？如何使用Highcharts创建哑铃图表？
科研绘图·highcharts·图表开发·哑铃图·dumbbell chart·前后对比图·变化分析图表
dracula0003 天前
Simulink建模助手系列-7【根据From创建Bus Creator】
matlab
dracula0004 天前
Simulink建模助手系列-进阶2【解析Bus总线信号层次结构】
matlab
@陈小鱼4 天前
基于 Savitzky-Golay滤波器的超声图像运动分析方法
python·计算机视觉·matlab·信号处理
热门推荐
01GitHub 镜像站点02Claude Code + GLM4.7 避坑指南：解决 Unable to connect to Anthropic services03AI Agent 平台横评：ZeroClaw vs OpenClaw vs Nanobot04【OpenClaw 本地实战 Ep.3】突破瓶颈：强制修改 openclaw.json 解锁 32k 上下文记忆05Clawdbot部署教程：解决‘gateway token missing’授权问题的完整步骤06OpenClaw 安装之（三）DeepSeek模型接入配置和详细配置参数07AI agent：介绍 ZeroClaw 安装，使用08OpenClaw 使用和管理 MCP 完全指南09EvoMap 是什么？10AI 规范驱动开发“三剑客”深度对比：Spec-Kit、Kiro 与 OpenSpec 实战指南