当前位置：首页 > news >正文

Python实战：从零到一构建科研级云雨图(Raincloud Plot)全解析

news 2026/7/14 1:36:52

1. 云雨图：科研数据可视化的新宠

第一次在Nature子刊上看到云雨图时，我就被它独特的信息密度震撼到了。这种将核密度估计图、箱线图和散点图三合一的可视化方法，能同时展示数据分布形态、统计特征和原始数据点，完美解决了传统箱线图"隐藏"数据细节的问题。

云雨图得名于其视觉特征：顶部的核密度曲线像一朵"云"，中间的箱线图像一把"伞"，底部的散点则像落下的"雨滴"。我在分析小鼠实验数据时发现，当需要比较对照组和实验组的血清指标时，云雨图能清晰展示：1）实验组出现双峰分布；2）有3个异常值偏离主群体；3）中位数差异显著——这些信息在传统条形图中完全被掩盖。

2. 环境配置与数据准备

2.1 安装关键库

推荐使用conda创建专属环境：

conda create -n raincloud python=3.9 conda activate raincloud pip install ptitprince seaborn pandas matplotlib

遇到安装问题时，有个小技巧：先安装pyqt5可能会解决图形后端报错：

pip install pyqt5

2.2 数据格式要求

PtitPrince最擅长处理长格式数据。假设我们有一组临床试验数据：

import pandas as pd data = { 'PatientID': range(1, 101), 'Treatment': ['DrugA']*50 + ['DrugB']*50, 'Response': [*np.random.normal(5, 1, 45), 8, 9, 10, # DrugA组 *np.random.normal(7, 1.2, 48), 3, 12] # DrugB组 } df = pd.DataFrame(data)

提示：数据中的异常值（如DrugB组的3和12）会被箱线图自动识别，这正是云雨图的优势所在

3. 基础云雨图构建

3.1 分步构建法

先创建密度图基础：

import matplotlib.pyplot as plt import ptitprince as pt plt.figure(figsize=(10, 6)) ax = pt.half_violinplot(x="Treatment", y="Response", data=df, bw=0.2, width=0.6)

添加散点图时，调整jitter参数避免点重叠：

import seaborn as sns sns.stripplot(x="Treatment", y="Response", data=df, jitter=0.1, size=4, alpha=0.5)

最后用透明箱线图增强统计信息展示：

sns.boxplot(x="Treatment", y="Response", data=df, width=0.15, boxprops={'facecolor':'none'})

3.2 一键生成函数

PtitPrince提供了快捷函数：

pt.RainCloud(x="Treatment", y="Response", data=df, bw=0.2, width_viol=0.6, move=0.1)

参数说明：

bw：控制密度曲线平滑度
width_viol：调整密度图宽度
move：散点图垂直偏移量

4. 高级定制技巧

4.1 多分组比较

处理三组以上数据时，使用hue参数和调色板：

pt.RainCloud(x="Treatment", y="Response", hue="Gender", data=df, palette="Set2", dodge=True)

4.2 纵向布局

有时水平布局更适合窄高图形：

pt.RainCloud(..., orient="v") # 改为垂直方向

4.3 学术级优化

发表级图表需要调整细节：

plt.rcParams.update({ 'font.family': 'Arial', 'font.size': 12, 'axes.linewidth': 1.2 }) fig, ax = plt.subplots(figsize=(8, 6), dpi=300) pt.RainCloud(..., ax=ax) ax.set_ylabel("Response Level (ng/ml)", fontweight='bold') ax.spines['top'].set_visible(False) ax.spines['right'].set_visible(False)

5. 实战：重复测量数据分析

处理纵向数据时，连接线能清晰展示趋势：

# 模拟重复测量数据 time_data = pd.DataFrame({ 'Subject': np.repeat(range(10), 3), 'Time': ['Baseline', 'Week4', 'Week8']*10, 'Value': [*np.random.normal(5,1,10), *np.random.normal(6,1.2,10), *np.random.normal(7,1.5,10)] }) pt.RainCloud(x="Time", y="Value", data=time_data, pointplot=True, linewidth=1.5)