Python复现Nature级免疫细胞双Y轴柱状图

1. 项目背景与目标

最近在研读《Nature Immunology》上一篇关于免疫细胞亚群分析的论文时，被其中一组柱状图的数据呈现方式深深吸引。作为科研工作者，我们经常需要在自己的文章或报告中复现顶级期刊的图表风格，这不仅能让数据展示更专业，也能提升研究成果的可信度。

这组柱状图有几个显著特点：

• 采用双Y轴设计，主坐标轴显示百分比，次坐标轴显示绝对细胞数
• 使用渐变色彩区分不同实验组别
• 误差线标注方式非常规范
• 图例排版紧凑而不失清晰

本文将手把手带你用Python的Matplotlib和Seaborn库完整复现这种学术级别的柱状图。无论你是刚开始接触科研绘图的博士生，还是想提升图表质量的研究员，都能从这篇教程中获得可直接套用的代码模板。

2. 数据准备与清洗

2.1 原始数据结构分析

假设我们研究的是一组流式细胞术检测的免疫细胞亚群数据，包含以下维度：

• 实验组别（Control, Treatment1, Treatment2）
• 时间点（Day0, Day3, Day7）
• 细胞类型（CD4+ T, CD8+ T, B cells, NK cells）
• 两个测量指标：百分比（%）和绝对数量（cells/μl）

原始数据通常以Excel或CSV格式存储，结构如下：

2.2 使用Pandas进行数据整理

python复制import pandas as pd

# 读取原始数据
df = pd.read_csv('immune_cell_data.csv')

# 检查数据完整性
print(df.isnull().sum())

# 对绝对计数进行log2转换（适用于数量级差异大的情况）
import numpy as np
df['Log2Count'] = np.log2(df['AbsoluteCount'] + 1)

# 按实验分组计算均值和标准差
summary = df.groupby(['Group', 'Time', 'CellType']).agg({
    'Percentage': ['mean', 'std'],
    'Log2Count': ['mean', 'std']
}).reset_index()

提示：在免疫学研究中，细胞计数数据常呈现右偏态分布，进行对数转换可以使数据更符合正态分布假设，便于统计分析。

3. Matplotlib基础图表构建

3.1 创建双坐标轴体系

python复制import matplotlib.pyplot as plt

# 设置画布尺寸（Nature系列期刊推荐的单栏图宽度为8.6cm）
fig, ax1 = plt.subplots(figsize=(3.39, 3.39))  # 英寸单位，对应8.6cm×8.6cm
ax2 = ax1.twinx()  # 创建共享x轴的第二个y轴

# 设置全局字体（Arial是期刊常用字体）
plt.rcParams['font.family'] = 'Arial'
plt.rcParams['font.size'] = 8

3.2 柱状图核心参数配置

python复制# 定义颜色方案（仿Nature配色）
colors = {
    'Control': '#1f77b4',
    'Treatment1': '#ff7f0e', 
    'Treatment2': '#2ca02c'
}

# 柱状图位置计算
bar_width = 0.25
group_gap = 0.4
positions = np.arange(len(time_points))  # time_points为时间点列表

for i, group in enumerate(group_names):
    # 计算每组柱子的x轴位置
    offset = (i - 1) * bar_width
    x = positions + offset
    
    # 提取当前组的数据
    group_data = summary[summary['Group'] == group]
    
    # 主Y轴（百分比）
    ax1.bar(x, group_data['Percentage']['mean'], 
            width=bar_width, color=colors[group],
            yerr=group_data['Percentage']['std'],
            error_kw=dict(lw=0.5, capsize=2, capthick=0.5),
            label=group)
    
    # 次Y轴（对数转换后的绝对计数）
    ax2.plot(x, group_data['Log2Count']['mean'],
             color=colors[group], marker='o',
             markersize=4, linestyle='--', linewidth=0.8)

4. 学术图表细节优化

4.1 坐标轴与刻度精细调整

python复制# 主Y轴设置
ax1.set_ylabel('Percentage (%)', fontsize=8)
ax1.set_ylim(0, 50)
ax1.yaxis.set_tick_params(width=0.5, length=2)

# 次Y轴设置
ax2.set_ylabel('Log2(cells/μl +1)', fontsize=8)
ax2.set_ylim(8, 12)
ax2.yaxis.set_tick_params(width=0.5, length=2)

# X轴设置
ax1.set_xticks(positions)
ax1.set_xticklabels(time_points)
ax1.xaxis.set_tick_params(width=0.5, length=2)

# 轴线样式
for spine in ['top', 'right', 'bottom', 'left']:
    ax1.spines[spine].set_linewidth(0.5)

4.2 图例与标注专业排版

python复制# 合并双Y轴图例
lines, labels = ax1.get_legend_handles_labels()
lines2, labels2 = ax2.get_legend_handles_labels()
ax1.legend(lines + lines2, labels + labels2,
           frameon=False, fontsize=7,
           bbox_to_anchor=(1.05, 1),
           borderaxespad=0.)

# 添加统计标注（示例：添加星号表示显著性）
for i, (x_pos, p_val) in enumerate(zip(positions, p_values)):
    if p_val < 0.05:
        ax1.text(x_pos, 45, '*' if p_val < 0.05 else 'ns',
                 ha='center', va='center', fontsize=8)

5. 导出出版级图片文件

5.1 文件格式选择策略

• 投稿用图：保存为600dpi的TIFF格式（期刊要求）
• 日常汇报：PDF格式（矢量图，可无损放大）
• 网页展示：PNG格式（分辨率设为300dpi）

python复制# 保存为TIFF格式
plt.savefig('immune_plot.tiff', dpi=600, 
            bbox_inches='tight', pad_inches=0.05,
            format='tiff')

# 保存为PDF格式
plt.savefig('immune_plot.pdf', bbox_inches='tight')

5.2 常见导出问题排查

1. 字体丢失问题：

   • 在AI或PS中打开时，将文字转为轮廓
   • 或使用pdf.fonttype=42参数保存PDF

2. 分辨率不足：

   python复制plt.rcParams['figure.dpi'] = 600
   plt.rcParams['savefig.dpi'] = 600
   

3. 白边过大：

   • 调整bbox_inches='tight'
   • 微调pad_inches参数（如0.05英寸）

6. 进阶美化技巧

6.1 使用Seaborn增强视觉效果

python复制import seaborn as sns

# 设置Seaborn风格
sns.set_style("whitegrid", {
    'axes.grid': True,
    'grid.color': '.9',
    'axes.edgecolor': '.4',
    'axes.linewidth': 0.5
})

# 绘制误差线更美观的柱状图
sns.barplot(x='Time', y='Percentage', hue='Group',
            data=df, palette=colors,
            errwidth=0.8, capsize=0.1,
            ax=ax1)

6.2 添加显著性检验标注

python复制from statannotations.Annotator import Annotator

# 定义需要比较的组对
pairs = [(("Control", "Day0"), ("Treatment1", "Day0")),
         (("Control", "Day3"), ("Treatment1", "Day3"))]

# 添加统计标注
annotator = Annotator(ax1, pairs, data=df,
                      x='Time', y='Percentage', hue='Group')
annotator.configure(test='t-test_ind', text_format='star')
annotator.apply_and_annotate()

7. 完整代码模板

python复制import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from statannotations.Annotator import Annotator

# 1. 数据准备
df = pd.read_csv('immune_cell_data.csv')
df['Log2Count'] = np.log2(df['AbsoluteCount'] + 1)

# 2. 创建画布
plt.rcParams.update({
    'font.family': 'Arial',
    'font.size': 8,
    'axes.linewidth': 0.5,
    'xtick.major.width': 0.5,
    'ytick.major.width': 0.5
})
fig, ax1 = plt.subplots(figsize=(3.39, 3.39))
ax2 = ax1.twinx()

# 3. 绘制柱状图
colors = {'Control':'#1f77b4', 'Treatment1':'#ff7f0e', 'Treatment2':'#2ca02c'}
sns.barplot(x='Time', y='Percentage', hue='Group',
            data=df, palette=colors,
            errwidth=0.8, capsize=0.1,
            ax=ax1)

# 4. 绘制折线图
for group in df['Group'].unique():
    group_data = df[df['Group'] == group]
    ax2.plot(group_data['Time'], group_data['Log2Count'],
             color=colors[group], marker='o',
             markersize=4, linestyle='--', linewidth=0.8)

# 5. 添加统计标注
pairs = [(("Control", "Day0"), ("Treatment1", "Day0"))]
annotator = Annotator(ax1, pairs, data=df,
                      x='Time', y='Percentage', hue='Group')
annotator.configure(test='t-test_ind', text_format='star')
annotator.apply_and_annotate()

# 6. 保存图片
plt.savefig('final_plot.tiff', dpi=600, bbox_inches='tight')

在实际操作中，我发现有几点需要特别注意：

1. 期刊对图片尺寸的要求非常严格，务必在绘图前确认单位是厘米还是英寸
2. 误差线的显示方式各期刊不同，Nature系列偏好朴实的T型误差线
3. 颜色选择要考虑色盲读者的可读性，避免红绿对比
4. 矢量图导出时，所有文字建议最终转为路径，避免字体兼容问题