HF.076 | 轻松绘制！看我用ChatGPT复现Nature插图

使用 GPT4 可以简单地复现 科研论文 中的研究图，从而应用到 水文学者 自己的研究中。本次复现的图表来源于 Nature Communications ，下图节选自文章中的Figure 1（https://doi.org/10.1038/s41467-022-29366-6）。让我们伴随本案例的学习，跟着操作，只需要 简单的几个提示词 ，用我们的数据和提示词一起操作，利用GPT4即可轻松复现该图。类似的Nature子刊中的科研论文插图，可以直接 套用本案例 的步骤进行尝试。

Qi, J., Sun, H., Zhang, Y. et al. Single-cell and spatial analysis reveal interaction of FAP+ fibroblasts and SPP1+ macrophages in colorectal cancer. Nat Commun 13, 1742 (2022). https://doi.org/10.1038/s41467-022-29366-6

任何良好可视化的基础都是 数据集 。在本教程中，我们使用论文作者提供的 源数据 进行复现（https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8976074/）。在 Nature正刊以及子刊 中，数据集往往是 开放共享 的，论文提供的数据集包含各张图的关键 统计数据 ，在他们的网站上，向下滚动可以看到以下内容：

单击Source Data 下载文件 ，文件下载后我们先把Figure 1的sheet提取出来，然后再准备好复现的截图。

提示 GPT4： “请对论文中的插图附件进行详细分析”

确定GPT4 学习到了 论文中的插图之后，我们再把对应的 数据上传 ，GPT-4 界面有上传图标，使用上传文件功能来加载我们的数据集。

提示 GPT4：“接下来我要上传这张图的数据，请给我一个该数据集的概述”

GPT-4 响应：

我们可以点击代码框来看看GPT4是怎么 产生结果 的。

现在你的GPT4学到了 数据与插图 ，现在可以让他来复现这张图了

提示 GPT4：“请利用上传的数据，绘制第一张图的结果，堆叠条形图”

GPT-4 响应：

GPT4初步帮我们绘制了 比较美观 的结果，接下来让我们 继续提示 GPT4，把GPT4提供的代码复制到Python端进行定制修改。

GPT4在绘图端的强大表现之一就是它可以进行 私人定制 并进行各种 细节 上的 微调 ，让我们慢慢来提示GPT4，让他逐步修改并 完善图片 ：

提示 GPT4：“请设置每种颜色和最开始的图一致，调大x轴和y轴的粗细，并缩小柱图的间隔”

提示 GPT4：“继续修改代码，请让整体的画布变小一些，柱图的宽度减少一点”

提示 GPT4：“继续修改代码，只保留上面和左边的框线，删除右边和下边的框线”

提示 GPT4：“继续修改代码，让轴上的刻度数字出现在上框线”

请注意每一次提示后GPT4都会 返回代码和结果图 ，然后我们再进行下一次提示。最终我们复制代码到 本地Python 端运行，代码如下：

import matplotlib.pyplot as plt
data['Sample'] = pd.Categorical(data['Sample'], categories=['p1', 'p2', 'p3', 'p4', 'p5'], ordered=True)
# Pivot the data to have samples as columns and cell types as rowspivot_data = data.pivot(index='CellTypes', columns='Sample', values='Per')
# Setting specific colors for each patient to match the initial image providedcolors = ['#00a6d0', '#00dbb0', '#ffa861', '#b000ff', '#ff0062'] # Colors for P1 to P5
# Plot the stacked bar chart with the specified colors, thicker axes, and reduced bar spacingfig, ax = plt.subplots(figsize=(6,4))pivot_data.plot(kind='barh', stacked=True, color=colors, ax=ax, width=0.6)
# Increase the line width for x-axis and y-axisax.xaxis.set_tick_params(width=2)ax.yaxis.set_tick_params(width=2)ax.spines['right'].set_visible(False)ax.spines['bottom'].set_visible(False)
ax.xaxis.tick_top()ax.xaxis.set_label_position('top') 
# Set the width of the axes framefor axis in ['top', 'left']:    ax.spines[axis].set_linewidth(2)
# Add title and labelsplt.title('Percentage of Cell Types across Different Patients')plt.xlabel('Percentage of cells (%)')plt.ylabel('Cell Types')plt.legend(title='Patients', bbox_to_anchor=(1.05, 1), loc='upper left')
# Show the plot with a tight layoutplt.tight_layout()plt.show()

结果如图：