plotfig 1.0.0__tar.gz → 1.1.0__tar.gz

{plotfig-1.0.0 → plotfig-1.1.0}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: plotfig
-Version: 1.0.0
+Version: 1.1.0
 Summary: Scientific plotting package for Cognitive neuroscience
 Author-email: Ricardo Ryn <ricardoRyn1317@gmail.com>
 Keywords: neuroscience,plotting,visualization
@@ -32,20 +32,13 @@ Dynamic: license-file
 # 功能
 
 画图种类：
-1. 单组柱状/小提琴图
+1. 单组柱状图
 1. 多组柱状图
-1. 相关图
-1. 矩阵图
-1. 脑区图
-   1. 人类Glasser脑区图
-   1. 人类BNA脑区图
-   1. 猕猴CHARM 5-level脑区图
-   1. 猕猴CHARM 6-level脑区图
-   1. 猕猴BNA脑区图
-1. 连线图（circos图）
-   1. 对称circos图
-   1. 不对称circos图
-1. 脑连接图
+1. 相关点线图
+1. 矩阵图/热图
+1. 图集脑区图
+1. 连线图/circos图
+1. 玻璃脑连接图
 
 # 叠甲
 

{plotfig-1.0.0 → plotfig-1.1.0}/README.md

@@ -13,20 +13,13 @@
 # 功能
 
 画图种类：
-1. 单组柱状/小提琴图
+1. 单组柱状图
 1. 多组柱状图
-1. 相关图
-1. 矩阵图
-1. 脑区图
-   1. 人类Glasser脑区图
-   1. 人类BNA脑区图
-   1. 猕猴CHARM 5-level脑区图
-   1. 猕猴CHARM 6-level脑区图
-   1. 猕猴BNA脑区图
-1. 连线图（circos图）
-   1. 对称circos图
-   1. 不对称circos图
-1. 脑连接图
+1. 相关点线图
+1. 矩阵图/热图
+1. 图集脑区图
+1. 连线图/circos图
+1. 玻璃脑连接图
 
 # 叠甲
 
@@ -38,4 +31,4 @@
 
 最自嗨!
 
-> 🌟 “调包侠再得一分！”🐶
+> 🌟 “调包侠再得一分！”🐶

{plotfig-1.0.0 → plotfig-1.1.0}/plotfig.egg-info/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: plotfig
-Version: 1.0.0
+Version: 1.1.0
 Summary: Scientific plotting package for Cognitive neuroscience
 Author-email: Ricardo Ryn <ricardoRyn1317@gmail.com>
 Keywords: neuroscience,plotting,visualization
@@ -32,20 +32,13 @@ Dynamic: license-file
 # 功能
 
 画图种类：
-1. 单组柱状/小提琴图
+1. 单组柱状图
 1. 多组柱状图
-1. 相关图
-1. 矩阵图
-1. 脑区图
-   1. 人类Glasser脑区图
-   1. 人类BNA脑区图
-   1. 猕猴CHARM 5-level脑区图
-   1. 猕猴CHARM 6-level脑区图
-   1. 猕猴BNA脑区图
-1. 连线图（circos图）
-   1. 对称circos图
-   1. 不对称circos图
-1. 脑连接图
+1. 相关点线图
+1. 矩阵图/热图
+1. 图集脑区图
+1. 连线图/circos图
+1. 玻璃脑连接图
 
 # 叠甲
 

{plotfig-1.0.0 → plotfig-1.1.0}/pyproject.toml

@@ -1,6 +1,6 @@
 [project]
 name = "plotfig"
-version = "1.0.0"
+version = "1.1.0"
 description = "Scientific plotting package for Cognitive neuroscience"
 keywords = ["neuroscience", "plotting", "visualization"]
 readme = "README.md"

{plotfig-1.0.0 → plotfig-1.1.0}/src/plotfig/bar.py

@@ -5,6 +5,7 @@ import numpy as np
 import numpy.typing as npt
 from matplotlib.axes import Axes
 from matplotlib.ticker import FuncFormatter, ScalarFormatter
+from matplotlib.colors import LinearSegmentedColormap
 from scipy import stats
 
 # 类型别名
@@ -156,6 +157,10 @@ def plot_one_group_bar_figure(
     test_method: str = "ttest_ind",
     p_list: list[float] | None = None,
     errorbar_type: str = "se",
+    use_gradient_color: bool = False,
+    colors_start = None,
+    colors_end = None,
+    edgecolor: str | None = None,
     **kwargs: Any,
 ) -> None:
     """绘制单组柱状图，包含散点和误差条。
@@ -208,7 +213,22 @@ def plot_one_group_bar_figure(
         error_values = ses
 
     # 绘制柱子
-    ax.bar(x_positions, means, width=width, color=colors, alpha=1, edgecolor="k")
+    if use_gradient_color:
+        if colors_start is None:  # 默认颜色
+            colors_start = ['#e38a48'] * len(x_positions)  # 左边颜色
+        if colors_end is None:  # 默认颜色
+            colors_end = ['#4573a5'] * len(x_positions)  # 右边颜色
+        for x, h, c1, c2 in zip(x_positions, means, colors_start, colors_end):
+            # 生成线性渐变 colormap
+            cmap = LinearSegmentedColormap.from_list("grad_cmap", [c1, "white", c2])
+            gradient = np.linspace(0, 1, 100).reshape(1, -1)  # 横向渐变
+            # 计算渐变矩形位置：跟bar完全对齐
+            extent = [x - width/2, x + width/2, 0, h]
+            # 叠加渐变矩形（imshow）
+            ax.imshow(gradient, aspect='auto', cmap=cmap, extent=extent, zorder=0)
+    else :
+        ax.bar(x_positions, means, width=width, color=colors, alpha=1, edgecolor=edgecolor)
+
     ax.errorbar(
         x_positions,
         means,
@@ -227,6 +247,7 @@ def plot_one_group_bar_figure(
             add_scatter(ax, scatter_positions[i], d, dots_color[i], dots_size)
 
     # 美化
+    ax.set_xlim(min(x_positions) - 0.5, max(x_positions) + 0.5)
     ax.spines[["top", "right"]].set_visible(False)
     ax.set_title(
         title_name,

{plotfig-1.0.0 → plotfig-1.1.0}/src/plotfig/correlation.py

@@ -6,6 +6,7 @@ from matplotlib.ticker import (
     MultipleLocator,
     FormatStrFormatter,
 )
+from matplotlib.colors import LinearSegmentedColormap
 from scipy import stats
 
 from typing import TypeAlias
@@ -43,6 +44,9 @@ def plot_correlation_figure(
     y_format: str = "normal",  # 支持 "normal", "sci", "1f", "percent"
     asterisk_fontsize: int = 10,
     show_p_value: bool = False,
+    hexbin: bool = False,
+    hexbin_cmap: bool = None,
+    hexbin_gridsize:int = 50,
 ) -> None:
     """
     绘制两个数据集之间的相关性图，支持线性回归、置信区间和统计方法（Spearman 或 Pearson）。
@@ -121,8 +125,13 @@ def plot_correlation_figure(
     x_seq = np.linspace(A.min(), A.max(), 100)
     y_pred = slope * x_seq + intercept
 
-    ax.scatter(A, B, c=dots_color, s=dots_size, alpha=0.8)
-    ax.plot(x_seq, y_pred, line_color, lw=2)
+    if hexbin:
+        if hexbin_cmap is None:
+            hexbin_cmap = LinearSegmentedColormap.from_list('custom', ['#ffffff', '#4573a5'])
+        hb = ax.hexbin(A, B, gridsize=hexbin_gridsize, cmap=hexbin_cmap)
+    else:
+        ax.scatter(A, B, c=dots_color, s=dots_size, alpha=0.8)
+    ax.plot(x_seq, y_pred, line_color, lw=1)
 
     if ci:
         n = len(A)
@@ -192,6 +201,8 @@ def plot_correlation_figure(
         va="center",
         fontsize=asterisk_fontsize,
     )
+    if hexbin:
+        return hb
     return