python中如何画火山图

火山图的核心逻辑是将差异分析的结果进行可视化呈现，横轴通常为log2转换后的差异倍数，纵轴为-log10转换后的P值，图中每个点代表一个检测变量，通常会根据差异显著性对点进行颜色区分，方便快速定位关键变量。

绘制火山图的准备工作

首先需要安装必要的python库，常用的绘图库为matplotlib和seaborn，数据处理使用pandas，同时需要numpy进行数值计算。如果还未安装这些库，可以通过以下命令安装：

pip install pandas numpy matplotlib seaborn

接下来需要准备差异分析的结果数据，数据至少需要包含三列：变量名称、log2差异倍数（log2FoldChange）、显著性P值（pvalue）。这里我们先构造一份模拟数据用于演示：

import pandas as pd
import numpy as np

# 构造模拟差异分析结果数据
np.random.seed(42)
data = pd.DataFrame({
    "gene_id": [f"gene_{i}" for i in range(1000)],
    "log2FoldChange": np.random.uniform(-3, 3, 1000),
    "pvalue": np.random.uniform(0, 1, 1000)
})
# 随机设置部分P值为极小值，模拟显著差异的结果
data.loc[data.sample(frac=0.1).index, "pvalue"] = np.random.uniform(0, 0.001, 100)
print(data.head())

基础火山图绘制步骤

我们使用matplotlib完成基础火山图的绘制，核心步骤包括设置画布、绘制散点、添加辅助线、设置坐标轴标签和标题等。

步骤1：计算纵轴数值并添加差异标记

纵轴需要的是P值的负对数，同时我们需要定义差异显著的阈值，通常设置log2FoldChange的绝对值大于1且P值小于0.05为显著差异变量，为后续颜色区分做准备：

import matplotlib.pyplot as plt

# 计算-log10(pvalue)
data["neg_log10_pvalue"] = -np.log10(data["pvalue"])

# 定义差异显著的条件：|log2FoldChange|>1 且 pvalue<0.05
data["significant"] = (data["log2FoldChange"].abs() > 1) & (data["pvalue"] < 0.05)
# 定义颜色映射：显著差异为红色，不显著为灰色
data["color"] = data["significant"].apply(lambda x: "red" if x else "gray")

步骤2：绘制散点图并添加辅助元素

接下来绘制散点图，同时添加差异倍数的阈值线和P值的阈值线，方便区分不同区域的点：

# 设置中文字体，避免中文显示乱码
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

# 创建画布
plt.figure(figsize=(10, 6))
# 绘制散点
plt.scatter(
    data["log2FoldChange"],
    data["neg_log10_pvalue"],
    c=data["color"],
    alpha=0.6,
    s=20
)
# 添加阈值线
plt.axvline(x=1, color="black", linestyle="--", linewidth=1)
plt.axvline(x=-1, color="black", linestyle="--", linewidth=1)
plt.axhline(y=-np.log10(0.05), color="black", linestyle="--", linewidth=1)
# 设置坐标轴标签和标题
plt.xlabel("log2(差异倍数)")
plt.ylabel("-log10(P值)")
plt.title("差异分析结果火山图")
# 添加图例
import matplotlib.patches as mpatches
red_patch = mpatches.Patch(color="red", label="显著差异变量")
gray_patch = mpatches.Patch(color="gray", label="无显著差异变量")
plt.legend(handles=[red_patch, gray_patch])
# 显示图形
plt.show()

使用seaborn优化火山图样式

seaborn库可以基于matplotlib提供更美观的默认样式，我们可以通过seaborn快速调整火山图的视觉效果，同时可以添加更多统计信息标注。

import seaborn as sns

# 设置seaborn样式
sns.set_style("whitegrid")
# 创建画布
plt.figure(figsize=(10, 6))
# 使用seaborn绘制散点，通过hue参数区分显著差异和不显著差异
sns.scatterplot(
    data=data,
    x="log2FoldChange",
    y="neg_log10_pvalue",
    hue="significant",
    palette={True: "red", False: "gray"},
    alpha=0.6,
    s=20,
    legend=False
)
# 添加阈值线
plt.axvline(x=1, color="black", linestyle="--", linewidth=1)
plt.axvline(x=-1, color="black", linestyle="--", linewidth=1)
plt.axhline(y=-np.log10(0.05), color="black", linestyle="--", linewidth=1)
# 设置标签和标题
plt.xlabel("log2(差异倍数)")
plt.ylabel("-log10(P值)")
plt.title("seaborn优化的差异分析火山图")
# 添加自定义图例
red_patch = mpatches.Patch(color="red", label="显著差异变量")
gray_patch = mpatches.Patch(color="gray", label="无显著差异变量")
plt.legend(handles=[red_patch, gray_patch])
# 显示图形
plt.show()

火山图常见问题与调整方法

• 如果图形中点的重叠度过高，可以适当调小点的大小s参数，或者调低alpha透明度参数
• 如果需要标注差异最显著的几个变量，可以筛选出对应行，在图形上添加文本标注，使用plt.text()函数实现
• 如果需要调整颜色方案，可以修改color参数或者seaborn的palette参数，选择符合需求的配色
• 如果P值存在0的情况，计算负对数时会出现无穷大，需要提前对P值做微小偏移，比如将P值替换为np.maximum(pvalue, 1e-10)

完整可运行代码示例

以下是整合了所有步骤的完整代码，读者可以直接运行得到最终的火山图：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import matplotlib.patches as mpatches

# 1. 构造模拟数据
np.random.seed(42)
data = pd.DataFrame({
    "gene_id": [f"gene_{i}" for i in range(1000)],
    "log2FoldChange": np.random.uniform(-3, 3, 1000),
    "pvalue": np.random.uniform(0, 1, 1000)
})
data.loc[data.sample(frac=0.1).index, "pvalue"] = np.random.uniform(0, 0.001, 100)

# 2. 数据预处理
data["neg_log10_pvalue"] = -np.log10(np.maximum(data["pvalue"], 1e-10))
data["significant"] = (data["log2FoldChange"].abs() > 1) & (data["pvalue"] < 0.05)

# 3. 设置绘图样式
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
sns.set_style("whitegrid")

# 4. 绘制火山图
plt.figure(figsize=(10, 6))
sns.scatterplot(
    data=data,
    x="log2FoldChange",
    y="neg_log10_pvalue",
    hue="significant",
    palette={True: "red", False: "gray"},
    alpha=0.6,
    s=20,
    legend=False
)
# 添加阈值线
plt.axvline(x=1, color="black", linestyle="--", linewidth=1)
plt.axvline(x=-1, color="black", linestyle="--", linewidth=1)
plt.axhline(y=-np.log10(0.05), color="black", linestyle="--", linewidth=1)
# 设置标签和标题
plt.xlabel("log2(差异倍数)")
plt.ylabel("-log10(P值)")
plt.title("python绘制的完整差异分析火山图")
# 添加图例
red_patch = mpatches.Patch(color="red", label="显著差异变量")
gray_patch = mpatches.Patch(color="gray", label="无显著差异变量")
plt.legend(handles=[red_patch, gray_patch])
# 显示图形
plt.show()

python火山图matplotlibseaborn数据可视化修改时间：2026-06-10 15:18:38