Seaborn heatmap需手动设置figsize、annot、cbar_kws、xticklabels/yticklabels四参数才符合论文要求：figsize适配期刊尺寸，annot配fmt=".2f"，cbar_kws含shrink/aspect/label，行列名需预处理防LaTeX报错。
Seaborn 的 heatmap 函数本身就能产出科研级热力图，关键不在“会不会画”，而在“怎么控制细节让图经得起审稿人挑刺”。
为什么默认 heatmap 不适合论文插图
默认设置会隐藏太多信息：颜色条刻度不标数值、行列标签重叠、无显著性标记、字体大小和分辨率不满足出版要求。科研图不是看个趋势，而是要能直接截图放进 LaTeX 文档里被放大审视。
- 默认
figsize太小，导出后文字糊成一片 -
annot=True时数字没对齐，小数位数混乱（比如0.123456直接显示） - 没有控制
cbar_kws，颜色条没单位、没刻度标签、宽度/位置不合理 - 行列索引名过长时自动折行或截断，图中看不出对应哪组实验
必须手动设的四个参数：figsize、annot、cbar_kws、xticklabels/yticklabels
这四个不调，图就进不了论文正文。其他如 cmap 或 square 是锦上添花，但上面这些是底线。
-
figsize=(8, 6)起步，期刊双栏常用宽高比接近1.3:1；投稿前按目标期刊的图宽（如 8.5 cm）反推像素尺寸（dpi=300 时，figsize=(3.3, 2.5)） -
annot=True必须配fmt=".2f"（保留两位小数），否则 p 值或相关系数全挤成科学计数法 -
cbar_kws={"shrink": 0.8, "aspect": 20, "label": "Pearson r"}——shrink控制颜色条长度，aspect控制细长程度，label是单位说明，不能省 - 若行列名含下划线或空格，用
xticklabels=df.columns.str.replace("_", " ")预处理，避免 LaTeX 渲染报错
加星号标显著性？别硬写循环，用 mask + ax.text
在热力图上打 *、**、*** 是常见需求，但直接改 annot 数组容易错位。更稳的方式是先画基础图，再用 ax.text 叠加符号。
- 先计算 p 值矩阵
pvals（例如用scipy.stats.pearsonr循环配对算），再生成显著性 mask：sig_mask = pvals - 绘图后遍历坐标：
for i, j in zip(*np.where(sig_mask)):→ax.text(j+0.5, i+0.5, "*", ha="center", va="center", color="white", fontsize=14) - 注意：
i是行索引（y 方向），j是列索引（x 方向），+0.5 是为了居中到格子中心 - 白色字体需配深色背景格子，若原图某格颜色太浅，先用
ax.add_patch(plt.Rectangle((j, i), 1, 1, fill=False, edgecolor="white", linewidth=1.5))加白边强调
保存时绕开 DPI 和透明背景陷阱
导出为 PDF 或 EPS 时，transparent=True 看似干净，实则可能让颜色条渐变失真；而 PNG 的 DPI 设置不生效常因没传给 savefig。
- 投 Nature/Science 类期刊：用
plt.savefig("fig.pdf", bbox_inches="tight", dpi=300)——dpi对 PDF 无效，但习惯写上不报错；重点是bbox_inches="tight"防裁切 - 需要透明背景（如叠加到 PPT）：PNG 必须显式指定
dpi=300，且facecolor="none"，否则白底会盖住幻灯片底纹 - LaTeX 插图若出现颜色偏移，检查是否用了
cmap="viridis"等非印刷友好色图；改用"RdBu_r"或"coolwarm"更稳妥
真正卡住人的往往不是语法，而是热力图里一个 0.049 和 0.051 在图上看起来毫无区别，但审稿人会盯着那个星号问你 Bonferroni 校正有没有做——图只是载体，背后的统计逻辑才是科研图像的脊椎。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
