BioF3 FigCode · SCI 绘图代码集

Python 差异 marker 热图（Scanpy Rank Heatmap）

导出日期：2026年6月27日

分类：聚类可视化｜ 依赖包：scanpy、matplotlib

解决的生物学问题

Python 流程下，每个 cluster 的特异 marker 在所有细胞上的分布如何？

应用场景

Scanpy 标准下游
替代 Seurat::DoHeatmap
细胞数大时的高效热图
聚类质量直观验证

输入数据格式

AnnData 对象（已跑 sc.tl.rank_genes_groups）

关键参数

n_genes（每 cluster 取前 N）
groupby = "leiden"
show_gene_labels = True
standard_scale = "var"

快速开始

1. 直接在线运行

打开 FigCode 在线绘图，点击本工具卡片的"在线绘图"按钮即可用内置示例数据出图，零环境配置。

2. 本地复现

下载脚本和示例数据，本地 RStudio 运行：

# 下载
curl -O https://<your-site>/figcode/scripts/py-rank-heatmap.R
curl -O https://<your-site>/figcode/data/py-rank-heatmap.csv

3. 安装依赖

# CRAN 包
install.packages(c("scanpy", "matplotlib"))

# Bioconductor 包（如需）
# BiocManager::install(c())

完整代码

import scanpy as sc
import matplotlib.pyplot as plt

# --- Demo ---
adata = sc.datasets.pbmc3k_processed()

# --- Find DEGs per cluster ---
sc.tl.rank_genes_groups(adata, "louvain", method="wilcoxon", n_genes=10)

# --- Heatmap ---
sc.pl.rank_genes_groups_heatmap(
    adata,
    n_genes=5,
    groupby="louvain",
    standard_scale="var",
    show_gene_labels=True,
    cmap="RdBu_r",
    figsize=(11, 7),
    save=False, show=False
)
plt.tight_layout()
plt.savefig("plot_001.png", dpi=150, bbox_inches="tight")
print("Top 5 markers per cluster plotted")

替换为自己的数据

脚本中以 # --- Demo data --- 标注的段落是示例数据生成代码。替换为自己的数据时，保持列名一致即可：

输入格式：AnnData 对象（已跑 sc.tl.rank_genes_groups）
使用 read.csv() / readRDS() 读取本地文件