使用scanpy绘制PC方差比时遇Axis limits cannot be NaN or Inf错误

错误原因 #

报错核心是部分PC的方差比为0：当设置log=True时，np.log(0)会生成-inf，导致matplotlib无法设置有效坐标轴范围，最终抛出ValueError: Axis limits cannot be NaN or Inf。你导出CSV检查的是原始数据，但问题出在PCA计算后的方差比结果中，和原始数据无关。

验证方法 #

先查看PCA计算得到的方差比，确认是否存在0值：

print(adata.uns['pca']['variance_ratio'][:50])

输出中若包含0，即可对应报错原因。

解决方案 #

方案1：过滤掉方差比为0的PC #

只绘制方差比大于0的PC，调整n_pcs参数为非零方差比的数量：

# 获取非零方差比的PC数量
valid_pcs = sum(adata.uns['pca']['variance_ratio'] > 0)
# 绘制有效PC的方差比（log=True）
sc.pl.pca_variance_ratio(adata, log=True, n_pcs=valid_pcs)

方案2：手动用log1p绘图（更安全） #

np.log1p()对0的处理为log1p(0)=0，不会产生inf，适合替代log。手动提取方差比后绘图：

import matplotlib.pyplot as plt
import numpy as np

variance_ratios = adata.uns['pca']['variance_ratio'][:50]
# 可选：将0替换为极小值，避免后续可能的异常
variance_ratios[variance_ratios == 0] = 1e-10

plt.plot(np.arange(1, len(variance_ratios)+1), np.log1p(variance_ratios))
plt.xlabel('PC')
plt.ylabel('Log1p(variance ratio)')
plt.title('PCA Variance Ratio (log1p)')
plt.show()

方案3：临时修改方差比的0值 #

若必须使用scanpy原生函数，可临时把方差比中的0替换为极小正数：

# 备份原始方差比
original_vr = adata.uns['pca']['variance_ratio'].copy()
# 替换0为极小值
adata.uns['pca']['variance_ratio'][adata.uns['pca']['variance_ratio'] == 0] = 1e-10
# 绘图
sc.pl.pca_variance_ratio(adata, log=True, n_pcs=50)
# 恢复原始方差比（避免影响后续分析）
adata.uns['pca']['variance_ratio'] = original_vr

额外提示 #

如果非零方差比的PC数量很少，说明数据可能存在冗余或维度压缩已充分，此时可考虑减少后续分析使用的PC数量，无需强行绘制50个PC的方差比。

内容的提问来源于stack exchange，提问作者John