🔵
在线散点图 — 两变量关系可视化
免费在线绘制发表级散点图（Scatter Plot）。支持线性回归线拟合、Pearson/Spearman相关系数计算和分组着色，直观展示两变量间的关系。
🔵 免费在线使用什么是散点图（Scatter Plot）？
散点图（Scatter Plot）是最基础的数据可视化方法之一，通过在二维平面上绘制数据点来展示两个连续变量之间的关系。每个点的X坐标对应第一个变量的值，Y坐标对应第二个变量的值。
在生物信息学中，散点图用途极为广泛：比较两个样本的基因表达、展示RNA-seq重复间的相关性、绘制qPCR vs RNA-seq验证图、展示药物剂量-响应关系等。配合回归线和相关系数，可以定量评估变量间的关联强度和方向。
📌 散点图的核心要素
- X轴和Y轴：两个连续变量的数值
- 数据点：每个观测的（x, y）坐标
- 回归线：展示两变量的线性趋势（可选）
- 相关系数：Pearson r或Spearman ρ，量化相关强度
- 分组着色：按类别对点进行颜色区分
什么时候使用散点图？
🔬 典型应用场景
- 样本重复性评估：比较两个生物学重复的基因表达相关性
- 组学数据比较：比较RNA-seq vs 微阵列或蛋白质组数据
- 验证实验：qPCR验证结果 vs RNA-seq结果的散点图
- 剂量-响应分析：药物浓度与生物效应的关系
- 基因共表达分析：两个基因在不同样本中的表达相关性
- 数据质控：检查技术重复的一致性
如何使用在线散点图工具
- 准备数据：准备包含两组数值变量的数据表
- 上传数据：上传CSV/Excel文件
- 选择变量：指定X轴和Y轴变量，以及可选的分组变量
- AI辅助：用自然语言描述您的绘图需求
- 生成图表：一键生成散点图，自动显示回归线和相关系数
- 导出使用：支持SVG/PDF/PNG高清导出
💡 AI提示示例："帮我画一个散点图，比较样本A和样本B的基因表达值，加上回归线和Pearson相关系数，用蓝色点，添加对角线参考线。"
常见问题
- Pearson和Spearman相关系数怎么选？
- Pearson相关系数衡量线性相关，要求数据近似正态分布。Spearman是基于秩的非参数方法，不要求正态性，对异常值更稳健。不确定时建议两者都计算。
- 散点图太密（点太多）怎么办？
- 可以调整点的透明度（alpha）、使用较小的点、或使用二维密度图（也在平台中）。对于数万个基因的展示，建议使用hexbin图或等高线图。
- 回归线一定要加吗？
- 不一定。如果目的是展示趋势可以加，如果只是展示数据分布或分组可以不。加回归线时建议同时标注R²和P值。
- 支持哪种回归线？
- 支持线性回归（lm）、局部加权回归（loess）和多项式回归。线性回归最常用，loess适合非线性趋势的探索。