feat: 添加CSV文件比较可视化功能和pixi配置更新

主要改动：
1. 新增CSV文件比较可视化功能：
   - 添加了src/visualization/comparison.py模块，支持比较两个CSV文件并使用不同颜色可视化
   - 支持命令行和API两种使用方式
   - 可生成静态图像或启动交互式查看器
   - 支持自定义标签、模型和UMAP参数

2. 更新pixi.toml配置：
   - 添加linux-64平台支持
   - 增加多个依赖项：ipykernel, anywidget, rdkit, selfies, fastapi, fastmcp, docker等
   - 完善依赖版本约束

3. 更新README.md文档：
   - 添加CSV文件比较可视化功能说明和使用示例

README.md

@@ -147,6 +147,83 @@ embedding-atlas dataset.parquet --text text_column
 embedding-atlas dataset.parquet --x projection_x --y projection_y
 ```
 
+## CSV文件比较可视化
+
+本项目提供了一个强大的工具用于比较两个CSV文件中的分子数据，并使用Embedding Atlas进行可视化。
+
+### Python API使用方法
+
+```python
+from script.visualize_csv_comparison import visualize_csv_comparison, create_embedding_service
+
+# 比较两个CSV文件
+visualize_csv_comparison(
+    "file1.csv",
+    "file2.csv",
+    column1="smiles",
+    column2="smiles",
+    output_path="comparison.png",
+    label1="Dataset A",
+    label2="Dataset B",
+    launch_interactive=True,
+    port=5055,
+    model="all-MiniLM-L6-v2"
+)
+
+# 直接从文本列表创建可视化服务
+texts1 = ["CCO", "CCN", "CCC"]
+texts2 = ["c1ccccc1", "CCCN", "CCCO"]
+
+create_embedding_service(
+    texts1,
+    texts2,
+    labels=("Alcohols", "Others"),
+    port=8080,
+    model="all-MiniLM-L6-v2",
+    umap_args={
+        "n_neighbors": 30,
+        "min_dist": 0.05,
+        "metric": "cosine"
+    }
+)
+```
+
+### 命令行使用方法
+
+```bash
+# 基本用法
+python script/visualize_csv_comparison.py file1.csv file2.csv
+
+# 指定不同的列名
+python script/visualize_csv_comparison.py file1.csv file2.csv \
+    --column1 smiles --column2 SMILES
+
+# 自定义标签和输出文件
+python script/visualize_csv_comparison.py file1.csv file2.csv \
+    --label1 "Dataset A" --label2 "Dataset B" \
+    --output comparison.png
+
+# 启动交互式查看器
+python script/visualize_csv_comparison.py file1.csv file2.csv \
+    --interactive --port 8080
+
+# 使用自定义模型和参数
+python script/visualize_csv_comparison.py file1.csv file2.csv \
+    --interactive \
+    --model all-MiniLM-L6-v2 \
+    --batch-size 64
+```
+
+### 功能特点
+
+1. **双模式支持**：既可以生成静态可视化图像，也可以启动交互式查看器
+2. **数据源区分**：在可视化中使用不同颜色区分两个数据源，并在图例中标识
+3. **自动标注**：默认使用文件名作为数据源标签，也支持自定义标签
+4. **端口配置**：可以自定义交互式查看器的端口
+5. **模型选择**：支持指定不同的SentenceTransformer模型
+6. **UMAP参数调优**：可以自定义UMAP算法参数以获得更好的可视化效果
+7. **灵活输入**：支持直接从文本列表创建可视化服务，无需CSV文件
+
 ## 划分 MolGen 第一轮微调数据集
 
 ```bash
@@ -158,7 +235,7 @@ uv run python script/split_drugbank.py \
 ```
 
 产物：`split_train.csv` / `split_val.csv` / `split_test.csv`
-其中 `split_val` 和 `split_test` 中的分子不会出现在训练集里，且整体 QED/MW 分布接近训练集，便于后续“用未见参考分子做条件生成并观察邻域覆盖”。
+其中 `split_val` 和 `split_test` 中的分子不会出现在训练集里，且整体 QED/MW 分布接近训练集，便于后续"用未见参考分子做条件生成并观察邻域覆盖"。
 
 ## 合并分割的数据集进行可视化
 

pixi.toml

@@ -2,9 +2,23 @@
 authors = ["lingyuzeng <pylyzeng@gmail.com>"]
 channels = ["conda-forge"]
 name = "embedding_atlas"
-platforms = ["osx-arm64"]
+platforms = ["linux-64","osx-arm64"]
 version = "0.1.0"
 
 [tasks]
 
 [dependencies]
+python = "3.12.*"
+ipykernel = "*"
+anywidget = "*"
+notebook = "*"
+rdkit = "*"
+pandas = "*"
+selfies = "==2.1.1"
+fastapi = ">=0.111"
+uvicorn = "*"
+fastmcp = ">=2.11"
+docker = ">=7.1"
+httpx = ">=0.27"
+pydantic-settings = ">=2.2"
+matplotlib = "*"

src/visualization/comparison.py

@@ -12,7 +12,7 @@ import os
 from typing import Optional, List, Dict, Any
 import numpy as np
 
-def launch_interactive_viewer(df: pd.DataFrame, text_column: str, port: int = 5055, host: str = "localhost"):
+def launch_interactive_viewer(df: pd.DataFrame, text_column: str, port: int = 5055, host: str = "0.0.0.0"):
     """使用Python API启动交互式服务器"""
     try:
         from embedding_atlas.server import make_server
@@ -66,7 +66,7 @@ def create_embedding_service(
     texts2: List[str],
     labels: tuple = ("Group1", "Group2"),
     port: int = 5055,
-    host: str = "localhost",
+    host: str = "0.0.0.0",
     text_column: str = "text",
     model: str = "all-MiniLM-L6-v2",
     batch_size: int = 32,
@@ -162,7 +162,7 @@ def visualize_csv_comparison(
     label2: Optional[str] = None,
     launch_interactive: bool = False,
     port: int = 5055,
-    host: str = "localhost",
+    host: str = "0.0.0.0",
     model: str = "all-MiniLM-L6-v2",
     batch_size: int = 32,
     umap_args: Optional[Dict[str, Any]] = None
@@ -180,7 +180,7 @@ def visualize_csv_comparison(
         label2: Label for the second dataset (default: filename)
         launch_interactive: Whether to launch interactive viewer (default: False)
         port: Port for interactive viewer (default: 5055)
-        host: Host for interactive viewer (default: "localhost")
+        host: Host for interactive viewer (default: "0.0.0.0")
         model: Embedding model to use (default: "all-MiniLM-L6-v2")
         batch_size: Batch size for embedding computation (default: 32)
         umap_args: UMAP arguments as dictionary (default: None)
@@ -333,7 +333,7 @@ Examples:
     parser.add_argument("--label2", help="Label for the second dataset (default: filename)")
     parser.add_argument("--interactive", "-i", action="store_true", help="Launch interactive viewer")
     parser.add_argument("--port", "-p", type=int, default=5055, help="Port for interactive viewer (default: 5055)")
-    parser.add_argument("--host", default="localhost", help="Host for interactive viewer (default: localhost)")
+    parser.add_argument("--host", default="0.0.0.0", help="Host for interactive viewer (default: 0.0.0.0)")
     parser.add_argument("--model", default="all-MiniLM-L6-v2", help="Embedding model to use (default: all-MiniLM-L6-v2)")
     parser.add_argument("--batch-size", type=int, default=32, help="Batch size for embedding computation (default: 32)")