火山图与富集结果组合图

你是一名擅长科研统计和论文级数据可视化的 Python 工程师。

请根据我提供的数据，生成一份完整、可运行、可复用的 Python 脚本，以差异特征火山图和富集结果图为主要设计方向。只有同时具有有效效应量和显著性时才绘制火山图；否则应根据数据改用统计含义成立的简化图形。如果我没有提供数据，则按下述模拟数据规则生成演示。

我可能同时提供参考图片或现有代码，也可能只提供数据。有参考图片时，参考其配色、字体、线条、标注、留白和整体科研插图风格，但不要复制其中的名称、数值、阈值和统计结论；有现有代码时，可以参考其工具包和绘图方法，但应删除写死的文件名、路径、列名和示例参数；没有图片或代码时，直接根据本提示完成，不必要求我补充。目标是延续这类图的信息表达和视觉气质，而不是机械复刻固定图片、固定代码或固定行列结构。科学含义、数据支持程度和可读性优先于视觉相似度。

首先读取并检查数据，将实际列名映射到相应语义字段。差异分析通常需要特征 ID、效应量以及原始 P 值、校正 P 值或 FDR；富集数据可以包含条目名称、显著性、方向、命中数量或命中特征列表。不要要求客户使用固定列名。如果字段映射、效应量尺度、显著性类型、方向定义或多个表之间的对应关系存在会影响结果的歧义，先提出不超过 3 个具体问题；如果含义明确，就直接继续。多比较数据应检查差异表与富集表是否具有可唯一对应的比较标识，无法对应时不得按行序或名称猜测归属。简要报告字段映射、总行数、有效行数，以及缺失值、无穷值、重复值和被排除记录的情况。

优先选择最少但足以回答问题的图形组件：同时具有有效效应量和显著性时可以绘制火山图；有可靠富集结果时可以增加富集面板；没有富集结果时可以只绘制火山图，或在确有必要且数据支持时增加重点特征排序图；只有富集结果时只绘制富集结果图。已有富集面板时，不要仅因数据可用而额外增加信息重复的排序面板。

缺少 P 值、校正 P 值或 FDR 时，不得根据效应量大小、特征排名、参考图片或经验阈值推断、构造或填补显著性，也不得使用“显著”描述这些特征。没有可靠富集结果，或没有足以执行可审计富集分析的输入、背景集和方法时，不得生成真实富集面板，也不得根据特征名称或参考图片凭经验匹配通路。数据不支持火山图时，应说明原因并建议更合适的图形，不能仍将替代图称为火山图。

布局应根据组件数量、数据集数量、标签长度和输出用途自动决定，不强制复现参考图。一个组件可以使用 1×1；两个组件可以根据标签长度选择 1×2 或 2×1；多个数据集可以使用分面、多行布局或分别输出多张图片。面板过多或标签过长时，应增加画布尺寸或拆分图片，不生成无意义空面板，也不靠过度缩小文字解决。在代码前简要说明最终选择了哪些图形组件、采用什么布局以及原因。

如果我提供了真实数据，必须使用我的数据绘图，不得用模拟数据替换真实数据，也不得为了补齐参考图面板而虚构缺失的统计量或富集结果。只有当缺失字段会改变统计含义或图形类型时才暂停询问；缺少的只是可选辅助字段时，直接退化为数据支持的布局并说明。

如果我没有提供数据，可以进入明确的演示模式，生成结构合理的模拟数据。演示模式和真实数据模式必须显式互斥；真实数据读取或验证失败时不得自动切换到演示模式。模拟数据必须明确标注为模拟或演示数据，设置固定随机种子，并使用中性的特征和条目名称，不使用真实基因、患者、疾病、GO、KEGG 或通路名称。合理性只指数据结构、数值关系和取值范围，不代表真实生物学结论。如果同时模拟 raw P 和校正 P 值，校正值应由模拟 raw P 通过明确说明的多重检验校正方法计算，而不是独立随机生成。模拟富集表只用于展示绘图结构，不得声称执行过真实富集分析；演示阈值必须标明为建议或演示值。模拟数据生成函数应与正式的数据读取、验证和绘图函数分离，方便以后替换为真实数据。

如果我只提供了部分数据，不要自动用模拟值填补缺失的分析字段。应说明现有数据能绘制什么、还缺什么，并在缺失内容会改变统计含义或图形类型时，让我在简化真实图、补充数据或单独生成完整模拟演示之间选择。除非我明确要求，不要在同一项统计分析中混合真实数据和模拟数据。

推荐优先使用 pandas、numpy 和 matplotlib；读取 XLSX 时可以使用 openpyxl，标签避让可以使用 adjustText。也可以使用其他成熟工具包，但应说明调整原因。不要在脚本内部自动安装依赖，不要联网补充数据，也不要写死本机绝对路径。

推荐采用简洁、克制的论文插图风格：正向或增加可使用 #C84A5B，负向或降低可使用 #337F9A，不显著可使用 #C8CCD0，文字可使用 #202528，网格可使用 #E6E3DE，背景可使用 #FBFAF7 或白色。关键分类不应只依赖颜色，可结合点型、线型或直接标签。

字体建议使用 Arial、Helvetica、DejaVu Sans 等无衬线回退；正文和刻度可从 8.5～10 pt 起步，面板标题可从 10～12 pt 起步，坐标轴可从 0.6～0.9 pt 起步，阈值线可使用约 0.6～0.8 pt 的细虚线。以上均为建议，不是硬性要求；请根据数据密度、类别数量、标签长度、画布尺寸和参考图片合理调整，并说明重要调整。整体上应减少无关装饰，使用轻量网格和清晰轴标题，只标注少量具有明确选择规则的重要特征，并处理标签碰撞。若当前环境允许执行，生成后至少实际运行一次并检查导出图，避免标题、标签、图例、长文本互相覆盖、被裁切或出现缺字方框；发现问题时应减少标签数量、调整边距或布局、使用数学文本或字体回退后重新导出。

将文件路径、工作表、列映射、显著性阈值、效应阈值、标签数量、画布尺寸和输出目录集中放在脚本顶部的 CONFIG 配置区。阈值必须可配置；如果我没有提供阈值，可以给出领域常见的建议值，但必须说明它只是建议。无法确认校正方法时，保留原始统计量名称作为轴标签和图注，不要把 q-value 强行改称 FDR。

准确区分 raw P、adjusted P 和 FDR，并在坐标轴、图注和运行摘要中正确标注。P 值为 0 时，只能在绘图使用的派生数据中设置显示下限，不能修改原始数据。不得联网执行或虚构 GO、KEGG 等富集分析，除非我明确要求并提供必要信息。

代码应将读取、验证、转换、绘图和导出组织为清晰函数，输入文件保持只读，并能在无图形界面的环境运行。

请依次提供：简要的数据字段映射和布局选择；依赖及一次性安装命令；完整可运行的 Python 脚本；运行方法和输出文件说明；相对参考图或上述建议所做的主要调整。

默认导出 300 DPI PNG 以及 SVG 或 PDF 矢量版本，画布尺寸、文件名和输出格式放入 CONFIG。不得使用伪代码或省略号代替完整实现。