Push zuqsyyksozux

docs/usage/brain_surface.md

@@ -7,13 +7,13 @@
 `plot_brain_surface_figure` 函数基于 `surfplot` 库开发，提供了一个统一且简化的接口来绘制人脑、猕猴脑和黑猩猩脑的脑区图。
 目前支持多种脑图谱包括：
 
-1. 人 Glasser (HCP-MMP) 图集[^1]。[图集 CSV 文件](../../assets/atlas_csv/human_glasser.csv)。
-1. 人 BNA 图集[^2]。[图集 CSV 文件](../../assets/atlas_csv/human_bna.csv)。
-1. 黑猩猩 BNA 图集[^3]。[图集 CSV 文件](../../assets/atlas_csv/chimpanzee_bna.csv)。
-1. 猕猴 CHARM 5-level [^4]。[图集 CSV 文件](../../assets/atlas_csv/macaque_charm5.csv)。
-1. 猕猴 CHARM 6-level [^4]。[图集 CSV 文件](../../assets/atlas_csv/macaque_charm6.csv)。
-1. 猕猴 BNA 图集[^5]。[图集 CSV 文件](../../assets/atlas_csv/macaque_bna.csv)。
-1. 猕猴 D99 图集[^6]。[图集 CSV 文件](../../assets/atlas_csv/macaque_d99.csv)。
+1. 人 Glasser (HCP-MMP) 图集[^1]。[图集 CSV 文件](../assets/atlas_csv/human_glasser.csv)。
+1. 人 BNA 图集[^2]。[图集 CSV 文件](../assets/atlas_csv/human_bna.csv)。
+1. 黑猩猩 BNA 图集[^3]。[图集 CSV 文件](../assets/atlas_csv/chimpanzee_bna.csv)。
+1. 猕猴 CHARM 5-level [^4]。[图集 CSV 文件](../assets/atlas_csv/macaque_charm5.csv)。
+1. 猕猴 CHARM 6-level [^4]。[图集 CSV 文件](../assets/atlas_csv/macaque_charm6.csv)。
+1. 猕猴 BNA 图集[^5]。[图集 CSV 文件](../assets/atlas_csv/macaque_bna.csv)。
+1. 猕猴 D99 图集[^6]。[图集 CSV 文件](../assets/atlas_csv/macaque_d99.csv)。
 
 [^1]:
     Glasser, M. F., Coalson, T. S., Robinson, E. C., Hacker, C. D., Harwell, J., Yacoub, E., Ugurbil, K., Andersson, J., Beckmann, C. F., Jenkinson, M., Smith, S. M., & Van Essen, D. C. (2016). A multi-modal parcellation of human cerebral cortex. Nature, 536(7615), Article 7615. https://doi.org/10.1038/nature18933
@@ -28,8 +28,6 @@
 [^6]:
     Reveley, C., Gruslys, A., Ye, F. Q., Glen, D., Samaha, J., E. Russ, B., Saad, Z., K. Seth, A., Leopold, D. A., & Saleem, K. S. (2017). Three-Dimensional Digital Template Atlas of the Macaque Brain. Cerebral Cortex, 27(9), 4463–4477. https://doi.org/10.1093/cercor/bhw248
 
-## 全脑
-
 ## 快速出图
 
 !!! info
@@ -46,7 +44,7 @@ ax = plot_brain_surface_figure(data, species="human", atlas="glasser")
 
 
 
-![png](brain_surface_files/brain_surface_5_0.png)
+![png](brain_surface_files/brain_surface_4_0.png)
 
 
 
@@ -70,7 +68,7 @@ ax2 = plot_brain_surface_figure(
 
 
 
-![png](brain_surface_files/brain_surface_6_0.png)
+![png](brain_surface_files/brain_surface_5_0.png)
 
 
 
@@ -103,7 +101,7 @@ ax4 = plot_brain_surface_figure(plot_data, surf="flat", ax=axes[1,1], title_name
 
 
 
-![png](brain_surface_files/brain_surface_9_0.png)
+![png](brain_surface_files/brain_surface_8_0.png)
 
 
 
@@ -127,7 +125,7 @@ ax3 = plot_brain_surface_figure(plot_data, species="chimpanzee", atlas="bna", su
 
 
 
-![png](brain_surface_files/brain_surface_11_0.png)
+![png](brain_surface_files/brain_surface_10_0.png)
 
 
 
@@ -159,7 +157,7 @@ ax5 = plot_brain_surface_figure(plot_data, species="macaque", atlas="charm5", su
 
 
 
-![png](brain_surface_files/brain_surface_13_0.png)
+![png](brain_surface_files/brain_surface_12_0.png)
 
 
 
@@ -188,6 +186,6 @@ ax = plot_brain_surface_figure(
 
 
 
-![png](brain_surface_files/brain_surface_16_0.png)
+![png](brain_surface_files/brain_surface_15_0.png)
 
 

docs/usage/multi_groups.md

@@ -1,129 +1,129 @@
-# 多组柱状图
-
-## 快速出图
-
-我们采用了多组柱状图（multi-group bar chart）来展示数据的整体分布情况。
-该图包含 两组数据（即两个主类别），每组中包含 三个子柱（bar），分别代表不同的子条件或变量。
-在每个 bar 内部，绘制了 10 个样本点，反映个体水平的变异性或观测值。
-
-这种图形结构有助于同时比较：
-
-- 每组内不同条件之间的平均差异；
-- 不同组之间的整体趋势；
-- 每个条件下样本的离散情况或分布特征。
-
-为了增强信息表达，柱状图上还叠加了误差条（如标准差或准误），并使用散点图展示每个 bar 中的样本分布。
-
-
-```python
-import numpy as np
-from plotfig import *
-
-np.random.seed(42)
-group1_bar1 = np.random.normal(3, 1, 10)
-group1_bar2 = np.random.normal(3, 1, 10)
-group1_bar3 = np.random.normal(3, 1, 10)
-group2_bar1 = np.random.normal(3, 1, 10)
-group2_bar2 = np.random.normal(3, 1, 10)
-group2_bar3 = np.random.normal(3, 1, 10)
-
-ax = plot_multi_group_bar_figure([[group1_bar1, group1_bar2, group1_bar3], [group2_bar1, group2_bar2, group2_bar3]])
-```
-
-
-
-![png](multi_groups_files/multi_groups_3_0.png)
-
-
-
-## 图的美化
-
-与单组柱状图类似，多组柱状图也提供了大量可调节的参数，用于灵活控制图像的外观。  
-本节仅展示其中的一部分参数。
-
-完整参数列表请参见 [`plot_multi_group_bar_figure`](../api/index.md/#plotfig.bar.plot_multi_group_bar_figure) 的 API 文档。
-
-
-```python
-import numpy as np
-import matplotlib.pyplot as plt
-from plotfig import *
-
-np.random.seed(42)
-group1_bar1 = np.random.normal(3, 1, 10)
-group1_bar2 = np.random.normal(3, 1, 10)
-group1_bar3 = np.random.normal(3, 1, 10)
-group2_bar1 = np.random.normal(3, 1, 10)
-group2_bar2 = np.random.normal(3, 1, 10)
-group2_bar3 = np.random.normal(3, 1, 10)
-
-fig, ax = plt.subplots(figsize=(6, 3))
-ax = plot_multi_group_bar_figure(
-    [[group1_bar1, group1_bar2, group1_bar3], [group2_bar1, group2_bar2, group2_bar3]],
-    ax=ax,
-    group_labels=["A", "B"],
-    bar_labels=["D", "E", "F"],
-    bar_width=0.2,
-    bar_gap=0.05,
-    bar_color=["tab:blue", "tab:orange", "tab:green"],
-    errorbar_type="sd",
-    dots_color="pink",
-    dots_size=15,
-    title_name="Title name",
-    title_fontsize=15,
-    y_label_name="Y label name",
-)
-```
-
-
-
-![png](multi_groups_files/multi_groups_6_0.png)
-
-
-
-## 统计
-
-多组柱状图目前仅支持通过外部统计检验传入 p 值，并在组内相应位置标注星号。
-
-关于“外部统计检验”的详细说明，请参见：[单组柱状图 / 统计](./single_group.md/#_7)。
-
-
-```python
-import numpy as np
-import matplotlib.pyplot as plt
-from plotfig import *
-
-np.random.seed(42)
-group1_bar1 = np.random.normal(3, 1, 10)
-group1_bar2 = np.random.normal(3, 1, 10)
-group1_bar3 = np.random.normal(3, 1, 10)
-group2_bar1 = np.random.normal(3, 1, 10)
-group2_bar2 = np.random.normal(3, 1, 10)
-group2_bar3 = np.random.normal(3, 1, 10)
-
-fig, ax = plt.subplots(figsize=(6, 3))
-ax = plot_multi_group_bar_figure(
-    [[group1_bar1, group1_bar2, group1_bar3], [group2_bar1, group2_bar2, group2_bar3]],
-    ax=ax,
-    group_labels=["A", "B"],
-    bar_labels=["D", "E", "F"],
-    bar_width=0.2,
-    bar_gap=0.05,
-    bar_color=["tab:blue", "tab:orange", "tab:green"],
-    errorbar_type="se",
-    dots_color="pink",
-    dots_size=15,
-    title_name="Title name",
-    title_fontsize=15,
-    y_label_name="Y label name",
-    statistic=True,
-    test_method="external",
-    p_list=[[0.05, 0.01, 0.001], [0.001, 0.01, 0.05]]
-)
-```
-
-
-
-![png](multi_groups_files/multi_groups_9_0.png)
-
-
+# 多组柱状图
+
+## 快速出图
+
+我们采用了多组柱状图（multi-group bar chart）来展示数据的整体分布情况。
+该图包含 两组数据（即两个主类别），每组中包含 三个子柱（bar），分别代表不同的子条件或变量。
+在每个 bar 内部，绘制了 10 个样本点，反映个体水平的变异性或观测值。
+
+这种图形结构有助于同时比较：
+
+- 每组内不同条件之间的平均差异；
+- 不同组之间的整体趋势；
+- 每个条件下样本的离散情况或分布特征。
+
+为了增强信息表达，柱状图上还叠加了误差条（如标准差或准误），并使用散点图展示每个 bar 中的样本分布。
+
+
+```python
+import numpy as np
+from plotfig import *
+
+np.random.seed(42)
+group1_bar1 = np.random.normal(3, 1, 10)
+group1_bar2 = np.random.normal(3, 1, 10)
+group1_bar3 = np.random.normal(3, 1, 10)
+group2_bar1 = np.random.normal(3, 1, 10)
+group2_bar2 = np.random.normal(3, 1, 10)
+group2_bar3 = np.random.normal(3, 1, 10)
+
+ax = plot_multi_group_bar_figure([[group1_bar1, group1_bar2, group1_bar3], [group2_bar1, group2_bar2, group2_bar3]])
+```
+
+
+    
+![png](multi_groups_files/multi_groups_3_0.png)
+    
+
+
+## 图的美化
+
+与单组柱状图类似，多组柱状图也提供了大量可调节的参数，用于灵活控制图像的外观。  
+本节仅展示其中的一部分参数。
+
+完整参数列表请参见 [`plot_multi_group_bar_figure`](../api/index.md/#plotfig.bar.plot_multi_group_bar_figure) 的 API 文档。
+
+
+```python
+import numpy as np
+import matplotlib.pyplot as plt
+from plotfig import *
+
+np.random.seed(42)
+group1_bar1 = np.random.normal(3, 1, 10)
+group1_bar2 = np.random.normal(3, 1, 10)
+group1_bar3 = np.random.normal(3, 1, 10)
+group2_bar1 = np.random.normal(3, 1, 10)
+group2_bar2 = np.random.normal(3, 1, 10)
+group2_bar3 = np.random.normal(3, 1, 10)
+
+fig, ax = plt.subplots(figsize=(6, 3))
+ax = plot_multi_group_bar_figure(
+    [[group1_bar1, group1_bar2, group1_bar3], [group2_bar1, group2_bar2, group2_bar3]],
+    ax=ax,
+    group_labels=["A", "B"],
+    bar_labels=["D", "E", "F"],
+    bar_width=0.2,
+    bar_gap=0.05,
+    bar_color=["tab:blue", "tab:orange", "tab:green"],
+    errorbar_type="sd",
+    dots_color="pink",
+    dots_size=15,
+    title_name="Title name",
+    title_fontsize=15,
+    y_label_name="Y label name",
+)
+```
+
+
+    
+![png](multi_groups_files/multi_groups_6_0.png)
+    
+
+
+## 统计
+
+多组柱状图目前仅支持通过外部统计检验传入 p 值，并在组内相应位置标注星号。
+
+关于“外部统计检验”的详细说明，请参见：[单组柱状图 / 统计](single_group.md#_7)。
+
+
+```python
+import numpy as np
+import matplotlib.pyplot as plt
+from plotfig import *
+
+np.random.seed(42)
+group1_bar1 = np.random.normal(3, 1, 10)
+group1_bar2 = np.random.normal(3, 1, 10)
+group1_bar3 = np.random.normal(3, 1, 10)
+group2_bar1 = np.random.normal(3, 1, 10)
+group2_bar2 = np.random.normal(3, 1, 10)
+group2_bar3 = np.random.normal(3, 1, 10)
+
+fig, ax = plt.subplots(figsize=(6, 3))
+ax = plot_multi_group_bar_figure(
+    [[group1_bar1, group1_bar2, group1_bar3], [group2_bar1, group2_bar2, group2_bar3]],
+    ax=ax,
+    group_labels=["A", "B"],
+    bar_labels=["D", "E", "F"],
+    bar_width=0.2,
+    bar_gap=0.05,
+    bar_color=["tab:blue", "tab:orange", "tab:green"],
+    errorbar_type="se",
+    dots_color="pink",
+    dots_size=15,
+    title_name="Title name",
+    title_fontsize=15,
+    y_label_name="Y label name",
+    statistic=True,
+    test_method="external",
+    p_list=[[0.05, 0.01, 0.001], [0.001, 0.01, 0.05]]
+)
+```
+
+
+    
+![png](multi_groups_files/multi_groups_9_0.png)
+    
+