- 综合排序
- 最热优先
- 最新优先
- 来自专栏Listenlii的生物信息笔记
R：色盲友好的配色方案viridis
基本介绍： https://cran.r-project.org/web/packages/viridis/vignettes/intro-to-viridis.html 该包包含8个颜色等级：“viridis 总之，viridis系列的配色对色盲会比较友好。 viridis能和ggplot完美结合使用： 离散颜色可用scale_color_viridis() ；连续颜色可用scale_fill_viridis()。 # link: https://cran.r-project.org/web/packages/viridis/vignettes/intro-to-viridis.html # 安装 install.packages ("viridis") library(viridis) # 连续颜色可用scale_fill_viridis(): library(ggplot2) ggplot(data.frame(x =
10K30发布于 2021-07-12 - 来自专栏文献分享及代码学习
数据分析-cuttag分析流程分享2-R代码可视化流程处理
// ###在分析之前建议用biocmanager装包 省时省力 library(dplyr) library(stringr) library(ggplot2) library(viridis) library (discrete = TRUE, begin = 0.1, end = 0.9, option = "magma", alpha = 0.8) + scale_color_viridis(discrete (discrete = TRUE, begin = 0.1, end = 0.9, option = "magma", alpha = 0.8) + scale_color_viridis(discrete (discrete = TRUE, begin = 0.1, end = 0.9, option = "magma", alpha = 0.8) + scale_color_viridis(discrete (discrete = TRUE, begin = 0.1, end = 0.9, option = "magma", alpha = 0.8) + scale_color_viridis(discrete
3.9K41编辑于 2022-04-04 - 来自专栏微生态与微进化
SCI写作：色盲友好色板
R语言中，有一些配置好的色盲友好色板，例如在ggplot2中常用的viridis色板，其使用方法如下所示： library(ggplot2) library(gcookbook) ggplot(uspopage ) + geom_area(aes(x=Year, y=Thousands, fill=AgeGroup)) + scale_fill_viridis_d() 该色板包含四种配色方案，分别为岩浆 magma（a）、地狱inferno（b）、血浆plasma（c）和翠绿viridis（d），如下所示： 以上为离散颜色，如果为连续颜色，可加载viridis包，如下所示： library(viridis ) ggplot(uspopage) + geom_point(aes(x=Year, y=Thousands, color=Thousands))+ scale_color_viridis(
3.2K20编辑于 2022-05-05 - 来自专栏数据科学（冷冻工厂）
CUT&Tag 数据处理和分析教程（4）
geom_boxplot() + geom_jitter(aes(color = Replicate), position = position_jitter(0.15)) + scale_fill_viridis (discrete = TRUE, begin = 0.1, end = 0.9, option = "magma", alpha = 0.8) + scale_color_viridis(discrete (discrete = TRUE, begin = 0.1, end = 0.9, option = "magma", alpha = 0.8) + scale_color_viridis(discrete (discrete = TRUE, begin = 0.1, end = 0.9, option = "magma", alpha = 0.8) + scale_color_viridis(discrete (discrete = TRUE, begin = 0.1, end = 0.9, option = "magma", alpha = 0.8) + scale_color_viridis(discrete
53210编辑于 2025-03-31 - 来自专栏花落的技术专栏
R-ggplot2
增加Viridis 色带 Viridis 色带包由Simon Garnier研发， 包含viridis, magma, plasma, inferno及默认共5个色带组（图1-2），对应scale_fill 图1 Viridis 色带组说明 png('L:\\JianShu\\2019-12-07\\plot\\plot_viridis.png',height=15,width=26,units='cm', res=1000)# print(p_viridis)p_viridis=grid.arrange(p+scale_fill_viridis(option='A',discrete=T)+labs(x= "Virdis A",y=NULL),p+scale_fill_viridis(option='B',discrete=T)+labs(x="Virdis B",y=NULL),p+scale_fill_viridis 2)dev.off() 图2 Viridis 色带展示 4.
73000编辑于 2021-12-05 - 来自专栏生信技能树
人工智能大模型不会告诉你的热图绘制技巧
colnames(small_mat) <- paste0("column", seq_len(ncol(small_mat))) 简单热图 ggheatmap(small_mat) + scale_fill_viridis_c () 热图布局 基于树状图 ggheatmap(small_mat) + scale_fill_viridis_c() + hmanno("t") + align_dendro y = y)) + scale_color_brewer(palette = "Dark2") 基于kmeans ggheatmap(small_mat) + scale_fill_viridis_c () + hmanno("t") + align_kmeans(3L) 基于分组变量 ggheatmap(small_mat) + scale_fill_viridis_c() () + hmanno("l") + align_reorder(rowMeans) 热图注释 ggheatmap(small_mat) + scale_fill_viridis_c
59111编辑于 2024-11-21 - 来自专栏生信小驿站
R语言之可视化（34）Grouped, stacked and percent stacked barplot
# library library(ggplot2) library(viridis) library(hrbrthemes) # create a dataset specie <- aes(fill=condition, y=value, x=specie)) + geom_bar(position="stack", stat="identity") + scale_fill_viridis # library library(ggplot2) library(viridis) library(hrbrthemes) # create a dataset specie <- c(rep(" condition, y=value, x=condition)) + geom_bar(position="dodge", stat="identity") + scale_fill_viridis
1.1K20发布于 2021-01-26 - 来自专栏庄闪闪的R语言手册
空间地理数据可视化之 ggplot2 包及其拓展
使用 viridis 包的颜色(Garnier 2018)； 可用 scale_*_manual() 手动定义我们自己的颜色集，此函数有一个逻辑参数叫 drop ，用来决定是否在尺度中保留不常用的因子水平 下图是用 viridis 包中的 scale_*_distiller() 函数和 ggplot() 函数绘制的 1974 年北卡罗来纳州婴儿猝死的地图： 例子 ： library(viridis) map <- st_as_sf(map) ggplot(map) + geom_sf(aes(fill = SID74)) + scale_fill_viridis() + theme_bw() viridis ggsave("plot.jpg") ggplot(map) + geom_sf(aes(fill = SID74)) + scale_fill_viridis() + theme_bw() png ("plot1.png") ggplot(map) + geom_sf(aes(fill = SID74)) + scale_fill_viridis() + theme_bw() dev.off(
4.4K30发布于 2021-08-20 - 来自专栏文献分享及代码学习
单细胞韧皮部研究代码解析2--comparison_denyer2019.R
temp[order(expr, na.last = FALSE)], aes(V1, V2)) + geom_point(aes(colour = expr)) + scale_colour_viridis_c temp[order(expr, na.last = FALSE)], aes(V1, V2)) + geom_point(aes(colour = expr)) + scale_colour_viridis_c temp[order(expr, na.last = FALSE)], aes(V1, V2)) + geom_point(aes(colour = expr)) + scale_colour_viridis_c temp[order(expr, na.last = FALSE)], aes(V1, V2)) + geom_point(aes(colour = expr)) + scale_colour_viridis_c temp[order(expr, na.last = FALSE)], aes(V1, V2)) + geom_point(aes(colour = expr)) + scale_colour_viridis_c
46800编辑于 2023-04-08 - 来自专栏数据科学（冷冻工厂）
CUT&Tag 数据处理和分析教程（8）
(color = Replicate), position = position_jitter(0.15)) + facet_grid(~peakType) + scale_fill_viridis (discrete = TRUE, begin = 0.1, end = 0.55, option = "magma", alpha = 0.8) + scale_color_viridis(discrete = width, fill = Histone)) + geom_violin() + facet_grid(Replicate~peakType) + scale_fill_viridis (discrete = TRUE, begin = 0.1, end = 0.55, option = "magma", alpha = 0.8) + scale_color_viridis(discrete (discrete = TRUE, begin = 0.1, end = 0.55, option = "magma", alpha = 0.8) + scale_color_viridis(discrete
65810编辑于 2025-04-30 - 来自专栏机器学习
【sklearn | 6】无监督学习与聚类分析
kmeans.labels_centers = kmeans.cluster_centers_# 可视化聚类结果plt.scatter(X[:, 0], X[:, 1], c=labels, cmap='viridis ')plt.ylabel('Euclidean distances')plt.show()# 可视化聚类结果plt.scatter(X[:, 0], X[:, 1], c=labels, cmap='viridis min_samples=5)labels = dbscan.fit_predict(X)# 可视化聚类结果plt.scatter(X[:, 0], X[:, 1], c=labels, cmap='viridis X_tsne = tsne.fit_transform(X)# 可视化降维结果plt.scatter(X_tsne[:, 0], X_tsne[:, 1], c=iris.target, cmap='viridis Component 2')plt.show()# 可视化 DBSCAN 聚类结果plt.scatter(X_pca[:, 0], X_pca[:, 1], c=dbscan_labels, cmap='viridis
72710编辑于 2024-07-24 - 来自专栏文献分享及代码学习
单细胞韧皮部研究代码解析1-QC_filtering.R
"dashed") + scale_x_log10() + scale_y_log10() + annotation_logticks(sides = "bl") + scale_colour_viridis_c aes(group = cluster_pca, label = cluster_pca), alpha = 0.5) + scale_colour_viridis_c (trans = "log10") +##viridis包下面的颜色面板，可以选择不同的组进行颜色的可视化 labs(x = "UMAP 1", y = "UMAP 2", subtitle = "UMAP (legend.position = "none") + labs(x = "UMAP 1", y = "UMAP 2", title = "UMAP on MNN") + scale_fill_viridis_d , type = "UMAPall_30"), aes(V1, V2)) + geom_point(aes(colour = total)) + scale_colour_viridis_c
91300编辑于 2023-04-02 - 来自专栏生信宝典
NBT：单细胞转录组新降维可视化方法PHATE
require(viridis)) install.packages("viridis") if (! 如下所示： pip install --user magic-impute 加载软件包： library(phateR) library(ggplot2) library(readr) library(viridis ggplot(bmmsc_PCA) + geom_point(aes(PC1, PC2, color=bmmsc$Mpo)) + labs(color="Mpo") + scale_color_viridis bmmsc_PHATE) + geom_point(aes(PHATE1, PHATE2, color=bmmsc$Mpo)) + labs(color="Mpo") + scale_color_viridis bmmsc_PHATE) + geom_point(aes(x=PHATE1, y=PHATE2, color=bmmsc_MAGIC$result$Ifitm1)) + scale_color_viridis
2.2K21发布于 2020-04-24 - 来自专栏bye漫漫求学路
《python深度学习》卷积神经网络的可视化
0] # print(first_layer_activation.shape) # # plt.matshow(first_layer_activation[0, :, :, 3], cmap='viridis ') # # plt.show() # plt.matshow(first_layer_activation[0, :, :, 2], cmap='viridis') # plt.show() # )) plt.title(layer_name) plt.grid(False) plt.imshow(display_grid, aspect='equal', cmap='viridis figure size must be positive finite not (16, 0) （2） plt.imshow(display_grid, aspect='equal', cmap='viridis cmap是设置颜色图谱的，设置为viridis是设置为红绿蓝色。 ? ?
95420发布于 2020-10-29 - 来自专栏数据科学（冷冻工厂）
CUT&Tag 数据处理和分析教程（5）
geom_boxplot() + geom_jitter(aes(color = Replicate), position = position_jitter(0.15)) + scale_fill_viridis (discrete = TRUE, begin = 0.1, end = 0.9, option = "magma", alpha = 0.8) + scale_color_viridis(discrete geom_boxplot() + geom_jitter(aes(color = Replicate), position = position_jitter(0.15)) + scale_fill_viridis (discrete = TRUE, begin = 0.1, end = 0.9, option = "magma", alpha = 0.8) + scale_color_viridis(discrete (discrete = TRUE, begin = 0.1, end = 0.9, option = "magma", alpha = 0.8) + scale_color_viridis(discrete
73510编辑于 2025-04-04 - 来自专栏技术汇总专栏
使用Python绘制与定制3D曲面图全面指南
plot_surface函数来实现：fig = plt.figure()ax = fig.add_subplot(111, projection='3d')ax.plot_surface(x, y, z, cmap='viridis 更改颜色映射、更改视角等：fig = plt.figure()ax = fig.add_subplot(111, projection='3d')ax.plot_surface(x, y, z, cmap='viridis 方法添加色标：fig = plt.figure()ax = fig.add_subplot(111, projection='3d')surf = ax.plot_surface(x, y, z, cmap='viridis y)fig = plt.figure()ax = fig.add_subplot(111, projection='3d')surf = ax.plot_surface(x, y, z, cmap='viridis fig = plt.figure()ax = fig.add_subplot(111, projection='3d')surf = ax.plot_surface(x, y, z, cmap='viridis
2.1K10编辑于 2024-06-23 - 来自专栏好奇心Log
Python可视化 | xarray 二维绘图配色方案设置
默认配色方案viridis 更改配色方案可需更改参数cmap（colormaps）. xarray 绘图模块默认对全正/负数据采用viridis（顺序配色）配色方案，而对含正和负的数据采用RdBu_r（ viridis 若习惯使用彩虹色，而又避免亮度问题，cubehelix配色方案是一个不错的选择。 ? cubehelix 如需直接查看配色方案情况，可通过内置函数plt.get_cmap查看 plt.get_cmap("viridis") ? 若获取配色方案viridis距中心 70%（ ）的新配色方案： myviridis = cmr.get_sub_cmap('viridis', 0.15, 0.85) cmr.view_cmap(myviridis cmr.view_cmap('viridis', show_grayscale=True) ?
5.4K50发布于 2021-07-30 - 来自专栏图像处理与模式识别研究所
使用alpha混合将图像分层和图像抗锯齿。
ax, interp_method in zip(axs.flat, methods): ax.imshow(grid, interpolation=interp_method, cmap='viridis interpolation='nearest', extent=extent) Z2 = func3(X, Y) im2 = plt.imshow(Z2, cmap=plt.cm.viridis ax, interp_method in zip(axs.flat, methods): ax.imshow(grid, interpolation=interp_method, cmap='viridis interpolation='nearest', extent=extent) Z2 = func3(X, Y) im2 = plt.imshow(Z2, cmap=plt.cm.viridis
2K10编辑于 2022-05-28 - 来自专栏生信宝典
R语言可视化学习笔记之ggridges包
# creates a vector of n equally spaced colors along the # Matplolib 'viridis' color map # also designed to be perceived by readers with the most common form of color blindness # scale_fill_viridis函数来源于此包 ， # 其参数 option用于设置颜色 "magma" (or "A"), "inferno" (or "B"), "plasma" (or "C"), and "viridis" (or "D", viridis可以查看其具体含义 library(viridis) head(lincoln_weather[ ,1:4]) ## # A tibble: 6 x 4 ## CST scale_x_continuous(expand = c(0.01, 0))+ # 扩展下横轴和纵轴 scale_y_discrete(expand = c(0.01,0))+ scale_fill_viridis
2.6K40发布于 2018-12-06 - 来自专栏生信菜鸟团
【DoMultiBarHeatmap】单细胞热图
group.by ="donor", group.colors = brewer.pal(n =3, name ="Set2"))+ scale_fill_viridis library(ggplot2) library(rlang) library(Seurat) library(magrittr) 最终完整版—— library(ggplot2) library(viridis ()+# 连续变量推荐用scale_fill_viridis_c scale_color_manual(values = group.colors)+ theme(text = element_text ComplexHeatmap：终极热图绘制工具 library(Seurat) library(ComplexHeatmap) library(circlize) library(viridis) # 转为因子，方便后续定义颜色 group1 <- factor(group1) group2 <- factor(group2) # donor颜色 donor_colors<- structure(viridis
78800编辑于 2025-07-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号