import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np直方图与密度图（Python）
直方图与核密度估计（KDE）揭示分布的形状——众数、偏度和离散程度，这些是汇总统计量无法呈现的。在生物医学研究中，它们常用于在统计建模之前检查基因表达分布、荧光强度轮廓和质量控制指标。Python 的 seaborn 以统一的接口提供直方图、密度曲线和经验累积分布（ECDF）展示。
示例
环境配置
- 系统要求：跨平台（Linux/MacOS/Windows）
- 编程语言：Python
- 依赖包：
matplotlib、seaborn、pandas、numpy
数据准备
我们模拟一个基因在对照与刺激两种条件下的表达测量。刺激条件是两个细胞亚群的混合，产生直方图与 KDE 旨在揭示的双峰结构。
np.random.seed(11)
n = 800
expr = np.concatenate([
np.random.normal(4.0, 0.8, n), # 对照
np.random.normal(4.2, 0.8, n // 2), # 刺激，亚群 A
np.random.normal(7.5, 0.9, n // 2), # 刺激，亚群 B
])
df = pd.DataFrame({
'Expression': expr,
'Condition': np.repeat(['Control', 'Stimulated'], [n, n])
})可视化
直方图
分箱宽度控制偏差–方差的权衡：分箱太少会隐藏结构，太多则放大噪声。拿不准时，可比较 bins=15 与更细的分箱设置。
plt.figure(figsize=(6, 4.2))
ax = sns.histplot(data=df, x='Expression', bins=30,
color='#8da0cb', edgecolor='white', linewidth=0.6)
ax.set_xlabel('Gene expression (log2 counts)')
ax.set_ylabel('Count')
ax.spines[['top', 'right']].set_visible(False)
plt.tight_layout()
plt.show()
直方图叠加核密度
在计数轴上叠加核密度曲线，既能勾勒分布轮廓，又保留了原始计数信息。
plt.figure(figsize=(6, 4.2))
ax = sns.histplot(data=df, x='Expression', bins=30, kde=True,
color='#66c2a5', edgecolor='white', linewidth=0.6,
line_kws=dict(linewidth=1.8))
ax.set_xlabel('Gene expression (log2 counts)')
ax.set_ylabel('Count')
ax.spines[['top', 'right']].set_visible(False)
plt.tight_layout()
plt.show()
分组密度曲线比较
对于两组或多组数据，按条件逐一叠加密度曲线，可直接看出刺激样本的双峰特征。
plt.figure(figsize=(6, 4.2))
ax = sns.kdeplot(data=df, x='Expression', hue='Condition',
fill=True, common_norm=False, alpha=0.35,
palette={'Control': '#457b9d', 'Stimulated': '#e63946'},
linewidth=1.8)
ax.set_xlabel('Gene expression (log2 counts)')
ax.set_ylabel('Density')
ax.spines[['top', 'right']].set_visible(False)
plt.tight_layout()
plt.show()
经验累积分布函数
ECDF 无需分箱或平滑即可展示每个观测值，是审查队列间分布漂移的理想工具。
plt.figure(figsize=(6, 4.2))
ax = sns.ecdfplot(data=df, x='Expression', hue='Condition',
palette={'Control': '#457b9d', 'Stimulated': '#e63946'},
linewidth=1.8)
ax.set_xlabel('Gene expression (log2 counts)')
ax.set_ylabel('Proportion')
ax.spines[['top', 'right']].set_visible(False)
plt.tight_layout()
plt.show()
参考文献
- Hunter, J. D. (2007). Matplotlib: A 2D graphics environment. Computing in Science & Engineering, 9(3), 90-95.
- Waskom, M. L. (2021). seaborn: statistical data visualization. Journal of Open Source Software, 6(60), 3021.