如何在R中制作神经科学领域的空间热图（附数据示例）

嘿，我帮你梳理下怎么制作符合需求的神经生物学空间热图～根据你提供的时间-位置-环境数据，还有参考图e的样式，我整理了Python和R两种常用工具的实现方案，直接就能上手：

你的数据包含三个核心维度：

• 时间序列的中心位置坐标（X/Y）
• 环境标记（In white/In striped），用来区分不同场景下的空间分布

目标是生成类似图e的空间热图，本质是展示样本在不同区域的停留频率/时间密度，颜色越深代表该区域被占据的概率越高。

第一步：数据预处理 #

先把你的数据整理成可读取的格式（比如存为CSV），然后清洗掉不完整的行（比如你最后一行截断的内容）。

第二步：生成热图（两种常见样式） #

样式1：平滑核密度热图（更接近科研论文常用风格）

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 读取数据（假设数据存为data.csv，分隔符用空格）
df = pd.read_csv('data.csv', sep='\s+', header=0)
# 移除缺失值行
df = df.dropna()

# 按环境拆分数据
white_df = df[df['In white'] == 1]
striped_df = df[df['In striped'] == 1]

# 构造双图布局，对齐参考图e的分栏样式
fig, (ax_white, ax_striped) = plt.subplots(1, 2, figsize=(12, 5))

# 白色环境热图
sns.kdeplot(
    x=white_df['Centre posn X'], y=white_df['Centre posn Y'],
    fill=True, cmap='viridis', alpha=0.8, ax=ax_white
)
ax_white.set_title('In White Environment')
ax_white.set_xlabel('X Position')
ax_white.set_ylabel('Y Position')

# 条纹环境热图
sns.kdeplot(
    x=striped_df['Centre posn X'], y=striped_df['Centre posn Y'],
    fill=True, cmap='viridis', alpha=0.8, ax=ax_striped
)
ax_striped.set_title('In Striped Environment')
ax_striped.set_xlabel('X Position')
ax_striped.set_ylabel('Y Position')

# 调整布局，添加色标
plt.tight_layout()
plt.show()

样式2：离散网格热图（展示精确的单元格计数）

如果需要更直观的“热图”效果，用二维直方图：

fig, (ax_white, ax_striped) = plt.subplots(1, 2, figsize=(12, 5))

# 白色环境离散热图
counts_white = ax_white.hist2d(
    white_df['Centre posn X'], white_df['Centre posn Y'],
    bins=(30, 30), cmap='viridis'
)
ax_white.set_title('In White Environment')
ax_white.set_xlabel('X Position')
ax_white.set_ylabel('Y Position')
plt.colorbar(counts_white[3], ax=ax_white, label='Frequency')

# 条纹环境离散热图
counts_striped = ax_striped.hist2d(
    striped_df['Centre posn X'], striped_df['Centre posn Y'],
    bins=(30, 30), cmap='viridis'
)
ax_striped.set_title('In Striped Environment')
ax_striped.set_xlabel('X Position')
ax_striped.set_ylabel('Y Position')
plt.colorbar(counts_striped[3], ax=ax_striped, label='Frequency')

plt.tight_layout()
plt.show()

如果你习惯用R，用ggplot2可以快速生成符合要求的热图：

library(ggplot2)
library(dplyr)

# 读取数据（假设存为data.txt）
df <- read.table("data.txt", header = TRUE, sep = "")
df <- na.omit(df)

# 生成双面板平滑热图，对齐参考图样式
ggplot(df, aes(x = Centre.posn.X, y = Centre.posn.Y)) +
  facet_wrap(~factor(ifelse(In.white == 1, "White Environment", "Striped Environment"))) +
  geom_density_2d_filled(alpha = 0.8, cmap = "viridis") +
  labs(x = "X Position", y = "Y Position") +
  theme_bw() +
  theme(strip.text = element_text(size = 10))

• 数据清洗：一定要处理截断/缺失的行，否则会导致绘图报错
• 坐标校准：如果你的实验空间有固定边界（比如X范围0-500，Y范围0-300），可以手动设置xlim/ylim让热图更贴合实际场景
• 配色选择：参考图e的配色，用viridis或plasma这类色盲友好的渐变色，提升可读性
• 布局对齐：用子图或分面（facet）把两种环境的热图并列展示，方便对比

内容的提问来源于stack exchange，提问作者Alex