之前一些同学一直问一个问题，如何在一张TSNE或者UMAP展示两个基因的表达情况，但是最直观的思考就是一个点（cell）如果展示两个基因的表达量，那必将填充两种颜色，这明显是不可行的，结果将是两种颜色的叠加，当然这种情况又是必须的，因为我们在做细胞通讯的时候希望一张图上直接展示配体和受体的分布及表达情况，那么今天就给大家带来一种方法，设置二维colorbar，以下图为例：

图片.png

图上展示的就是将配体和受体同时在一张图上展示的现象，设置了二维的colorbar，今天我们借助python画图的力量，来实现这张图，以后我们就可以按照这个方法来绘制我们的配受体图了，很赞！！~~

这里我用python实现并完善成一个方便使用的函数，在这里做简要介绍并提供源码。

colorbar2d 可选择输入以下参数：

• list1：（必须）一维数组，将转换为色相信息；
• list2：（必须）一维数组，将转换为明度信息；
• minColor：字符串，表示起始色相，默认minColor = None（注）；
• maxColor：字符串，表示终止色相，默认minColor = None（注）；
• maxv：0-1之间的浮点数或整数，表示最暗的明度，默认maxv = 1，即纯黑色；
• s：0-1之间的浮点数或整数，表示饱和度，默认s = 1，即饱和度最大；
• step：colormap的绘制方式为矩阵排列的散点叠加而成，该参数用于控制散点的间隔；默认step = 0.05；

colorbar2d 实例化后，可选择返回以下输出：

• colorbar2d.rgb()：返回 n×3 数组，n 为输入的一维数组的长度值，即样本数；3 为R、G、B信息；
• colorbar2d.hsv()：返回 n×3 数组，即各样本的H、S、V信息（不常用）；
• colorbar2d.colorbar()，返回两个一维数组（x、y轴散点坐标）和一个 n×3 数组（散点的RGB信息）；

上述信息用于绘制二维colorbar；注：颜色可选择红（red，r）、橙（orange，o）、黄（yellow，y）、绿（green，g）、青（cyan，c）、蓝（blue，b）、紫（purple，m）；若输入中没有颜色范围指示，colorbar默认绘制从红至紫的所有色相。

分享一下源码

from matplotlib import colors
import numpy as np

class colorbar2d:
    def __init__(self, list1, list2, minColor = None, maxColor = None, maxv = 1, s = 1, step = 0.05):
        
        self.list1_max, self.list1_min = max(list1), min(list1)
        self.list2_max, self.list2_min = max(list2), min(list2)
        self.maxv = maxv
        self.maxs = s
        
        # 将所选特征0-1化
        if minColor == None and maxColor == None:
            self.h = (list1 - self.list1_min) / (self.list1_max - self.list1_min)
            self.limit_color = False
        else:
            color_dic = {'red':0, 'orange':18, 'yellow':30, 'green':56, 
                         'cyan':88, 'blue':112, 'purple':140, 'r':0, 
                         'o':18, 'y':30, 'g':56, 'c':88, 
                         'b':112, 'm':140}
            self.mincolor = color_dic.get(minColor)/180.0
            self.maxcolor = color_dic.get(maxColor)/180.0
            self.h = (list1 - self.list1_min) / (self.list1_max - self.list1_min) * (self.maxcolor - self.mincolor) + self.mincolor
            self.limit_color = True
        
        self.v = (list2 - self.list2_min) / (self.list2_max - self.list2_min) * self.maxv + (1- self.maxv)
        self.s = [self.maxs for i in range(len(list1))]
        
        self.hsv = np.zeros(shape=(len(list1),3))
        self.hsv[:,0] = self.h
        self.hsv[:,1] = self.s
        self.hsv[:,2] = self.v
        
    def rgb(self):
        self.rgb = colors.hsv_to_rgb(self.hsv)
        return self.rgb
        
    def hsv(self):
        return self.hsv
    
    def colorbar(self):
        h = 0.05
        xx, yy = np.meshgrid(np.arange(self.list1_min, self.list1_max, h), 
                             np.arange(self.list2_min, self.list2_max, h))
        xx, yy = xx.ravel(), yy.ravel()
        if self.limit_color == False:
            colorbar_h = (xx - self.list1_min) / (self.list1_max - self.list1_min)
            colorbar_v = (yy - self.list2_min) / (self.list2_max - self.list2_min)
        else:
            colorbar_h = (xx - self.list1_min) / (self.list1_max - self.list1_min) * (self.maxcolor - self.mincolor) + self.mincolor
        
        colorbar_v = (yy - self.list2_min) / (self.list2_max - self.list2_min) * self.maxv + (1- self.maxv)
        colorbar_s = [self.maxs for i in range(len(xx))]
            
        hsv = np.zeros(shape=(len(xx),3))
        hsv[:,0] = colorbar_h
        hsv[:,1] = colorbar_s
        hsv[:,2] = colorbar_v
        rgb = colors.hsv_to_rgb(hsv)
        return xx, yy, rgb

以鸢尾花数据集为例绘制题图。该数据集中每个样本（鸢尾花）有四个属性：花萼长度（Sepal Length），花萼宽度（Sepal Width），花瓣长度（Petal Length），花瓣宽度（Petal Width）。数据集共150个样本，包含三种鸢尾花：Setosa（山鸢尾）、Versicolour（杂色鸢尾），Virginica（维吉尼亚鸢尾）。
我们选择Sepal Length、Sepal Width以散点图的x、y轴表示，Petal Length、Petal Width分别以colorbar颜色属性中的色相、明度表示。代码及结果如下：

from matplotlib import pyplot as plt
from sklearn.datasets import load_iris

iris = load_iris()

mycolorbar = colorbar2d(iris.data[:,2], iris.data[:,3], 'b', 'r', maxv = 0.8)
mycolorbar_rgb = mycolorbar.rgb()
colorbar_x, colorbar_y, xy_color = mycolorbar.colorbar()

fig = plt.figure(figsize=(8,6))
fig.subplots_adjust(wspace = 0.5, hspace = 0.5)
plt.subplot2grid((1,4),(0,0),colspan=3)
plt.scatter(iris.data[:50,0], iris.data[:50,1], 
            s = 30, marker = '^', c = mycolorbar_rgb[:50,:], 
            label = 'Setosa')
plt.scatter(iris.data[50:100,0], iris.data[50:100,1], 
            s = 30, marker = 'o', c = mycolorbar_rgb[50:100,:], 
            label = 'Versicolour')
plt.scatter(iris.data[100:,0], iris.data[100:,1], 
            s = 30, marker = '*', c = mycolorbar_rgb[100:,:], 
            label = 'Virginica')
plt.xlabel("sepal length")
plt.ylabel("sepal width")
plt.title("sepal length and width scatter")
plt.legend(loc = "upper right")

plt.subplot2grid((1,4),(0,3))
plt.scatter(colorbar_y, colorbar_x, c = xy_color)
plt.xlim(colorbar_y.min(), colorbar_y.max())
plt.ylim(colorbar_x.min(), colorbar_x.max())
plt.xlabel("petal width")
plt.ylabel("petal length")
plt.title('colormap')
plt.show()

图片.png

这个时候换成我们的配受体表达值，套用这个方法，就可以实现我们一开始说的功能。

生活很好，有你更好