frist add

README.md

@@ -0,0 +1,40 @@
+## 环境安装
+
+```bash
+conda create -n chemplot_env -y -c conda-forge chemplot
+conda activate chemplot_env
+# 失败可以用pip 进行安装尝试 与mordred兼容
+pip install "networkx==2.8.8" chemplot pandas matplotlib scikit-learn umap-learn rdkit-pypi
+```
+
+## t-SNE 的局限性
+
+假设有三个分子系列 A、B、C，实际空间距离 A↔B 比 A↔C 近：
+
+t-SNE 可能只把 A、B 内部的点聚在一起，但 A↔B vs A↔C 的距离无法反映真实远近关系。
+
+这意味着如果用 t-SNE 后结果做 KMeans，可能出现不合理的簇划分。
+
+## UMAP 的优势
+
+在 UMAP 中，A、B、C 的相对距离更接近原始分子指纹空间。
+
+当你在降维后的空间运行 KMeans 或 HDBSCAN 时，聚类结果与真实分子结构差异更一致。
+
+t-SNE 的时间复杂度接近 O(N^2)，数据量增加后计算时间会爆炸式增长。
+UMAP 在大规模分子库上表现更好，并且支持并行计算。
+
+UMAP 是更合适的选择，因为：
+
+它更好地保留了化学空间的全局结构，确保聚类结果有化学意义。
+
+稳定、可复现，适合后续湿实验追踪和比较。
+
+计算速度更快，支持未来大规模分子库扩展。
+
+在生成交互式 HTML 时，结果更直观、可解释。
+
+## 功能脚本
+
+### chemplot_select_and_mark.py 介绍
+