期刊图片复现|Python绘制带有数据标注和误差棒的多面板多重坐标轴的水平柱状图

# =========================================================================================# ====================================== 1. 环境设置 =======================================# =========================================================================================import matplotlib.pyplot as pltimport numpy as npimport pandas as pdfrom matplotlib.patches import Patchimport matplotlibmatplotlib.rcParams['pdf.fonttype'] = 42matplotlib.rcParams['ps.fonttype'] = 42plt.rcParams['font.family'] = 'Times New Roman'plt.rcParams['axes.unicode_minus'] = False

# =========================================================================================# ======================================2.颜色库=======================================# =========================================================================================COLOR_SCHEMES = {    1: ['#E69F00', '#4682B4', '#D62728'],}scheme_index  = 20  # 选择配色方案#获取颜色selected_colors = COLOR_SCHEMES[scheme_index ]

# =========================================================================================# ======================================3.绘图函数=======================================# =========================================================================================def draw_chart(data_means, data_errs, data_pvals, rows_labels, colors):    #行数、列数、变量数、实验组数    nrows, ncols, nvars, nexps = data_means.shape    c_var1, c_var2, c_var3 = colors[0], colors[1], colors[2]#获取当前配色的三个颜色变量    #辅助函数，根据P值生成带有显著性标记的文本    def get_annot_text(val, err, p_val):        # 初始化显著性标记字符串        sig_str = ""        #根据数值设置显著性标记        if pd.isna(p_val):            sig_str = ""        elif p_val < 0.01:            sig_str = "**"        elif p_val < 0.05:            sig_str = "*"        else:            sig_str = ""        # 返回格式化后的字符串        return f"{val:.2f} $\pm$ {err:.2f}{sig_str}"    #定义柱状图的填充    patterns = ['', '///', '\\\\\\', '...']    y_base_1 = 11# 第一组变量组在Y轴上的基准位置    y_base_2 = 6# 第二组变量的Y轴基准位置    y_base_3 = 1# 第三组变量的Y轴基准位置    y_bases = [y_base_1, y_base_2, y_base_3]# 将基准位置放入列表方便遍历    bar_height = 0.8#柱子的高度    #创建画布和子图网格，根据列数和行数计算画布尺寸    fig, axes = plt.subplots(nrows, ncols, figsize=(5 * ncols, 4 * nrows))    if nrows == 1 and ncols == 1:# 如果是单行单列，将axes转换为二维数组        axes = np.array([[axes]])    elif nrows == 1:# 如果是单行多列，增加一个维度使其变为二维        axes = np.expand_dims(axes, axis=0)    elif ncols == 1:# 如果是多行单列，增加一个维度使其变为二维        axes = np.expand_dims(axes, axis=1)

for r in range(nrows):# 遍历行        for c in range(ncols):# 遍历列            #获取当前行列对应的子图对象            ax_main = axes[r, c]            #去掉边框            for spine in ax_main.spines.values():                spine.set_visible(False)            # 去掉主坐标轴的X、y轴刻度            ax_main.set_xticks([])            ax_main.set_yticks([])            #底部轴            ax_bottom = ax_main            # 顶部轴1            ax_top_1 = ax_main.twiny()            # 顶部轴2            ax_top_2 = ax_main.twiny()            # 隐藏所有顶部轴的边框            for ax in [ax_top_1, ax_top_2]:                for spine in ax.spines.values():                    spine.set_visible(False)            # 在底部轴绘制x=0的参考竖线，颜色为黑色，层级在最下            ax_bottom.axvline(x=0,                              color='black',                              linewidth=0.8,                              zorder=0)            # 将三个轴对象放入列表，顺序对应变量组顺序            axes_list = [ax_top_2, ax_top_1, ax_bottom]            # 遍历三个变量组进行绘图            for group_idx in range(3):                # 获取当前变量组对应的坐标轴                current_ax = axes_list[group_idx]                # 获取当前变量组对应的颜色                color = colors[group_idx]                # 获取当前变量组对应的Y轴基准位置                y_base = y_bases[group_idx]                #获取均值数据并反转顺序                vals = data_means[r, c, group_idx, :][::-1]                #获取误差数据并反转顺序                errs = data_errs[r, c, group_idx, :][::-1]                #获取P值数据并反转顺序                pvals = data_pvals[r, c, group_idx, :][::-1]                #生成Y轴坐标位置                y_locs = np.arange(4) + y_base                # 设置文本标注的X轴位置                text_x_pos = 0.02                # 遍历每个柱子的数值，添加文本标签                for i, val in enumerate(vals):                    # 获取格式化后的文本，传入对应的P值进行判断                    txt = get_annot_text(val, errs[i], pvals[i])                    #文字标注                    ax_main.text(                        text_x_pos,  #X                        y_locs[i],  #Y                        txt,  #文本字                        #坐标变换                        transform=ax_main.get_yaxis_transform(),                        color=color,  #字体颜色                        fontsize=14,  #字体大小                        fontweight='normal',  #字体粗细                        ha='left',  # 水平对齐                        va='center'  # 垂直对齐                    )

#顶部轴2X轴范围            ax_top_2.set_xlim(-1.2, 1.2)            #顶部轴1的X轴范围            ax_top_1.set_xlim(-0.5, 0.5)            #底部轴的X轴范围            ax_bottom.set_xlim(-12, 12)            #处理顶部轴            if r == 0:                # 显示顶部边框                ax_top_2.spines['top'].set_visible(True)                # 边框向外偏移                ax_top_2.spines['top'].set_position(('outward', 40))                # 边框颜色                ax_top_2.spines['top'].set_color(c_var1)                # 设置刻度参数                ax_top_2.tick_params(                    axis='x',  #仅针对 X 轴进行                    colors=c_var1,  # 颜色                    labelsize=14,  # 字体大小                    top=True,  # 顶部刻度线                    labeltop=True,  # 顶部标签                    bottom=False,  # 底部刻度线                    labelbottom=False  # 底部标签                )                # 设置X轴标题                ax_top_2.set_xlabel("Is ($^{\circ}$C decade$^{-1}$)",                                    color=c_var1,                                    fontsize=14,                                    labelpad=5)                # 设置标签位置在顶部                ax_top_2.xaxis.set_label_position('top')                # 配置顶部轴1                ax_top_1.spines['top'].set_visible(True)# 显示顶部边框                ax_top_1.spines['top'].set_position(('outward', 0))# 设置边框向外偏移                ax_top_1.spines['top'].set_color(c_var2)# 设置边框颜色                #设置标签位置在顶部                ax_top_1.xaxis.set_label_position('top')            else:                #如果不是第一行，隐藏                ax_top_2.set_xticks([])                #如果不是第一行，隐藏                ax_top_1.set_xticks([])            #处理底部轴            if r == nrows - 1:                ax_bottom.spines['bottom'].set_visible(True)# 显示底部边框                ax_bottom.spines['bottom'].set_color(c_var3)# 设置底部边框颜色                ax_bottom.spines['bottom'].set_linewidth(1.0)# 设置底部边框线宽                ticks = np.arange(-10, 10.1, 2.5)# 设置自定义刻度范围                # 应用自定义刻度                ax_bottom.set_xticks(ticks)                # 生成刻度标签列表                labels = [f"{x:g}" for x in ticks]                # 应用刻度标签                ax_bottom.set_xticklabels(labels)                # 设置底部轴刻度参数                ax_bottom.tick_params(axis='x',                                      colors=c_var3,                                      labelsize=14,                                      bottom=True,                                      labelbottom=True,                                      top=False,                                      labeltop=False,                                      direction='out')                # 设置底部轴标签                ax_bottom.set_xlabel("$LE$ (W m$^{-2}$ decade$^{-1}$)",                                     color=c_var3,                                     fontsize=14,                                     labelpad=5)            else:                # 如果不是最后一行，隐藏底部刻度                ax_bottom.set_xticks([])                # 隐藏底部边框                ax_bottom.spines['bottom'].set_visible(False)            # 左侧行标签            if c == 0:  # 仅在每一行的第一列                ax_main.text(                    -0.1,  # X坐标                    0.5,  # Y坐标                    rows_labels[r],  # 标签文本                    transform=ax_main.transAxes,  #使用轴坐标系                    fontsize=14,  # 字体大小                    fontweight='bold',  # 字体加粗                    rotation=90,  # 旋转                    va='center',  # 垂直对齐                    ha='center'  # 水平对齐                )            #行间分隔线            if r < nrows - 1:  # 如果当前不是最后一行                # 创建虚线                line = plt.Line2D(                    [0, 1],  # X                    [0, 0],  # Y                    transform=ax_main.transAxes,  #轴坐标系                    color='gray',  # 线条颜色                    linestyle='--',  #虚线                    linewidth=0.8,  #粗细                    clip_on=False  # 允许线条绘制在子图边框之外                )                #调整 Y 轴位置                line.set_ydata([-0.05, -0.05])                # 将创建好的线条对象显式添加到子图中                ax_main.add_artist(line)

#定义图例元素    legend_elements = [        Patch(facecolor='white', edgecolor='black', label='CTL'),        Patch(facecolor='white', edgecolor='black', hatch='///', label='HALF'),        Patch(facecolor='white', edgecolor='black', hatch='\\\\\\', label='PLUS50'),        Patch(facecolor='white', edgecolor='black', hatch='...', label='FIX1979')    ]    #绘制图例    fig.legend(handles=legend_elements,               loc='lower center',               ncol=4,               frameon=False,               fontsize=14,               bbox_to_anchor=(0.5, 0.02))    # 保存    plt.savefig(fr"chart{scheme_index}.png", dpi=300, bbox_inches='tight')    plt.savefig(fr"chart{scheme_index}.pdf", bbox_inches='tight')

# =========================================================================================# ======================================4.执行部分=======================================# =========================================================================================if __name__ == "__main__":    rows_labels = ["Daily", "Daytime", "Nighttime"]  # 行标签    col_indices = [1, 2, 3]  # 列索引    # Excel数据文件路径    excel_path = r"data.xlsx"    var_labels = ["Is", "SWC", "LE"]  # 变量标签列表    exp_labels = ["CTL", "HALF", "PLUS50", "FIX1979"]  # 实验标签列表    df = pd.read_excel(excel_path)# 读取数据    nrows = len(rows_labels)#行数    ncols = len(col_indices)#列数    nvars = len(var_labels)#变量数    nexps = len(exp_labels)#实验组数    row_map = {label: i for i, label in enumerate(rows_labels)}#行标签到索引的映射字典    var_map = {label: i for i, label in enumerate(var_labels)}#变量标签到索引的映射字典    exp_map = {label: i for i, label in enumerate(exp_labels)}#实验标签到索引的映射字典    col_map = {col_idx: i for i, col_idx in enumerate(col_indices)}# 列索引值到数组索引的映射字典    data_means = np.zeros((nrows, ncols, nvars, nexps))#均值数据容器    data_errs = np.zeros((nrows, ncols, nvars, nexps))#误差数据容器    data_pvals = np.full((nrows, ncols, nvars, nexps), np.nan)# P值容器    #调用绘图函数    draw_chart(        data_means=data_means,# 传递均值数据        data_errs=data_errs,# 传递误差数据        data_pvals=data_pvals,# 传递P值数据        rows_labels=rows_labels,# 传递行标签        colors=selected_colors,# 传递选定的颜色    )

scheme_index  = 20  # 选择配色方案

2.设置行标签：

rows_labels = ["Daily", "Daytime", "Nighttime"]  # 行标签

excel_path = r"data.xlsx"

4.设置变量名和不同的场景名称：

var_labels = ["Is", "SWC", "LE"]  # 变量标签列表exp_labels = ["CTL", "HALF", "PLUS50", "FIX1979"]  

plt.savefig(fr"\chart{scheme_index}.png", dpi=300, bbox_inches='tight')plt.savefig(fr"\chart{scheme_index}.pdf", bbox_inches='tight')