1. 云雨图绘制需求解析
在生物信息学数据分析中，我们经常需要同时展示数据的分布特征和统计指标。传统做法是分别绘制小提琴图（展示数据分布）和箱线图（展示统计指标），但这样会占用过多版面且不利于直观比较。云雨图（Raincloud plot）的创新之处在于将三种图形元素垂直整合：
- 顶部的小提琴图展示数据密度分布
- 中部的箱线图标注关键统计量
- 底部的散点图呈现原始数据点
这种组合方式最早由心理学研究者提出，现已成为Nature等顶级期刊推荐的标准化数据展示方法。特别是在需要对比多组数据分布时，云雨图能同时传递数据的集中趋势、离散程度和样本量信息。
2. Matplotlib环境准备
2.1 版本要求检查
云雨图绘制需要以下Matplotlib功能支持：
python复制import matplotlib
print(matplotlib.__version__) # 需≥3.3.0
2.2 扩展库安装
除基础Matplotlib外，还需安装专业统计绘图库：
bash复制pip install seaborn statsmodels
3. 核心图形元素实现
3.1 小提琴图定制化
通过调整violinplot参数实现专业级展示：
python复制violin = ax.violinplot(
data,
positions=pos,
widths=0.7,
showmeans=False,
showmedians=True,
showextrema=False
)
3.2 箱线图增强配置
优化箱线图显示效果的关键参数：
python复制box = ax.boxplot(
data,
positions=pos,
widths=0.15,
patch_artist=True,
showfliers=False,
medianprops={'color':'red'}
)
3.3 散点图抖动处理
避免数据点重叠的jitter技术实现：
python复制x_jittered = pos + np.random.normal(0, 0.05, len(data))
ax.scatter(
x_jittered,
data,
s=20,
alpha=0.5,
color='grey'
)
4. 完整实现代码
python复制def raincloud_plot(ax, data, position, color):
# 小提琴图
violin = ax.violinplot(
data,
positions=[position],
widths=0.7,
showmeans=False,
showmedians=False,
showextrema=False
)
for pc in violin['bodies']:
pc.set_facecolor(color)
pc.set_edgecolor('black')
pc.set_alpha(0.6)
# 箱线图
box = ax.boxplot(
data,
positions=[position],
widths=0.15,
patch_artist=True,
showfliers=False
)
for element in ['boxes', 'whiskers', 'caps']:
plt.setp(box[element], color='black')
plt.setp(box['medians'], color='red')
plt.setp(box['boxes'], facecolor='white')
# 散点图
x_jittered = position + np.random.normal(0, 0.03, len(data))
ax.scatter(
x_jittered,
data,
s=20,
color=color,
alpha=0.4
)
5. 科研级优化技巧
5.1 多组对比布局
python复制positions = [1, 2, 3]
colors = ['#1f77b4', '#ff7f0e', '#2ca02c']
for pos, color, data in zip(positions, colors, all_data):
raincloud_plot(ax, data, pos, color)
5.2 坐标轴优化
python复制ax.spines['right'].set_visible(False)
ax.spines['top'].set_visible(False)
ax.xaxis.set_ticks(positions)
ax.set_xticklabels(['Control', 'Treatment1', 'Treatment2'])
6. 常见问题解决
6.1 图形元素重叠
解决方案：调整widths参数（建议0.6-0.8）和散点抖动幅度（0.02-0.05）
6.2 大数据量显示
当样本量>1000时：
- 散点图改用
alpha=0.1 - 使用
density=True参数增强小提琴图平滑度
6.3 导出设置
期刊投稿建议配置：
python复制plt.savefig('raincloud.tif', dpi=600, format='tiff',
bbox_inches='tight', pil_kwargs={"compression":"tiff_lzw"})
我在实际项目中发现，将云雨图与统计检验结果（如p值）直接标注在图上，能显著提升图表信息密度。例如在箱线图上方添加星号标记显著性水平，这种呈现方式已被多个顶级期刊编辑认可为最佳实践。