期刊图片复现|Python绘制堆叠图+云雨图+箱线图组合图展示数据分布情况

# =========================================================================================# ====================================== 1. 环境设置 =======================================# =========================================================================================import matplotlib.pyplot as pltimport matplotlib.patches as patchesimport matplotlib.lines as mlinesimport matplotlib.gridspec as gridspecimport pandas as pdimport numpy as npimport seaborn as snsimport osfrom scipy import statsimport matplotlibplt.rcParams['font.family'] = 'serif'plt.rcParams['font.serif'] = ['Times New Roman']plt.rcParams['axes.unicode_minus'] = Falsesns.set_context("notebook")sns.set_style("ticks")matplotlib.rcParams['pdf.fonttype'] = 42matplotlib.rcParams['ps.fonttype'] = 42

# =========================================================================================# ======================================2.颜色库=======================================# =========================================================================================COLOR_SCHEMES = {    # =================原有单色渐变/近似色系 (1-20)=================    1: ["#405163", "#536D7A", "#688A90", "#8CB2A6", "#C4D8CB", "#40686A", "#959595", "#2F4F4F"],}scheme_index  = 39 #当前使用的颜色方案CUSTOM_COLORS = COLOR_SCHEMES.get(scheme_index, COLOR_SCHEMES[1])  # 获取颜色列表OUTPUT_DIR = r'组合图'  #结果输出路径FRAME_LINEWIDTH = 1.5  # 边框宽度

# =========================================================================================# ======================================3.堆叠条形图绘制函数=======================================# =========================================================================================def render_panel_a(ax, df):    df_sorted = df.sort_values("Total", ascending=True).reset_index(drop=True)  # 将数据按列升序排序    color_sig = CUSTOM_COLORS[5]  #显著部分颜色    color_ns = CUSTOM_COLORS[6]  #非显著部分颜色    y_pos = range(len(df_sorted))  # 生成Y轴的位置序列，长度等于数据行数    # 绘制水平条形图    ax.barh(y_pos,#位置            df_sorted["Significant"],  #数值            color=color_sig,  #颜色            height=0.75,  # 条形的高度            label='Show a cooling effect')  #图例标签    # 绘制第二组水平条形图（堆叠部分）    ax.barh(y_pos,  #位置            df_sorted["Not_Significant"],  #数值            left=df_sorted["Significant"],  # 设置起始位置在显著条形的右侧，实现堆叠效果            color=color_ns,  # 颜色            height=0.75,  #条形的高度            label='No significant cooling effect')  #图例标签    # 配置X轴的刻度参数    ax.tick_params(axis='x',                   direction='out',  # 刻度线朝外                   labelsize=22)  # 字体大小    # 配置Y轴的刻度参数    ax.tick_params(axis='y',                   length=0,  # 刻度线长度                   labelsize=22)  # 字体大小    box_height = 1  #顶部图框高度    box_y_start = len(df_sorted) - 0.4  #灰色方框的起始Y坐标    # 创建一个矩形    rect = patches.Rectangle((0, box_y_start),  # 起始坐标                             x_limit,  # 矩形宽度                             box_height,  # 矩形高度                             linewidth=1,  # 边框线宽                             edgecolor='black',  # 边框颜色                             facecolor='#A9A9A9',  #填充颜色                             alpha=1,  # 透明度                             clip_on=False)  # 允许矩形超出坐标轴范围显示    ax.add_patch(rect)  # 将矩形添加到坐标轴上    # 设置子图编号    ax.text(-0.45,  #X            1.00,  # Y            'a',  #内容            transform=ax.transAxes,  #相对坐标系            fontsize=30,  #字体大小            fontweight='normal',  # 字体粗细            va='top',  # 垂直对齐            fontname='Times New Roman')    ax.spines['top'].set_visible(False)  # 隐藏顶部边框    ax.spines['right'].set_visible(False)  # 隐藏右侧边框

# =========================================================================================# ======================================4.半小提琴图绘制函数=======================================# =========================================================================================def draw_half_violin(ax, data, pos, color, width=0.5):    density = stats.gaussian_kde(data, bw_method=0.08)  # 使用高斯核密度估计计算数据的密度    xs = np.linspace(min(data), max(data), 200)  # 在数据最小值和最大值之间生成均匀分布的点作为X轴    ys = density(xs)  # 计算这些点对应的密度值作为Y轴    ys = ys / ys.max() * width  # 将密度值归一化并缩放到指定的宽度    ax.vlines(median_val,  # x轴坐标              pos,  # 垂直线的起始y坐标              pos + median_height,  # 垂直线的结束y坐标              color='white',  # 线条颜色              linestyle='--',  # 线条样式              linewidth=1.2,  # 线条宽度设              alpha=1.0,  # 透明度              zorder=2)

# =========================================================================================# ======================================5.云雨图绘制函数=======================================# =========================================================================================def render_panel_b(fig, gs_base, df):    # 定义指标信息列表，包含名称、单位、X轴范围、X轴刻度    metrics_info = [        ("PCM", "°C", (0, 7.5), [0, 1, 2, 3, 4, 5, 6, 7]),        ("PCD", "m", (0, 330), [0, 100, 200, 300]),        ("PCI", "", (0, 0.07), [0, 0.02, 0.04, 0.06]),        ("PCG", "", (0, 2.2), [0, 1, 2])    ]    categories = ["Megacity", "Large City", "Medium City I", "Medium City II", "Small City"]  # 定义区域分类列表    categories_rev = categories[::-1]  # 将分类列表反转    y_positions = np.arange(len(categories))  # 生成Y轴位置索引    color_map = {cat: col for cat, col in zip(categories, CUSTOM_COLORS[:5])}  # 创建类别到颜色的映射字典            if len(cat_data) == 0:  # 如果没有数据，则跳过                continue                             width=0.45)  # 宽度            # 绘制箱线图            ax.boxplot([cat_data],  # 数据                       positions=[y_base + 0.08],  # 箱线图位置                       vert=False,  # 水平方向                       widths=0.15,  #箱体宽度                       patch_artist=True,  # 填充颜色                       showfliers=False,  # 不显示离群点                       showcaps=False,  # 不显示箱线图的帽子                       medianprops={"color": "black",  # 中位数线颜色                                    "linewidth": 1},  # 中位数线宽                       boxprops={"facecolor": color,  # 箱体填充颜色                                 "edgecolor": "black",  # 箱体边框颜色                                 "linewidth": 1,  # 箱体边框线宽                                 "alpha": 0.8},  # 透明度                       whiskerprops={"color": "black",  # 须线颜色                                     "linewidth": 1})  # 须线宽度            jitter = np.random.uniform(-0.15, 0.0, size=len(cat_data))  # 生成随机抖动值            median_bg_color = CUSTOM_COLORS[7]  # 获取用于散点的颜色            # 绘制散点图            ax.scatter(cat_data,  # x轴数据                       y_base + jitter - 0.05,  # y轴数据                       s=6,  # 散点的大小                       color=median_bg_color,  # 散点的颜色                       alpha=0.5,  # 透明度                       zorder=0)         # 设置子图标题        ax.set_title(metric,  #名称                     fontsize=20,  #字体大小                     pad=10,  # 标题距离                     fontweight='bold')  #加粗        #设置X轴标签单位        ax.set_xlabel(unit,loc='right',labelpad=-16, fontweight='bold', fontname='Times New Roman',fontsize=22)        ax.set_xlim(xlim)  # X轴范围            ax.set_yticklabels(categories_rev, fontsize=22)  # 显示类别名称作为Y轴标签            ax.tick_params(axis='y', length=0)  # Y轴刻度线长度            ax.spines['left'].set_visible(False)  # 隐藏图框        ax.spines['top'].set_visible(False)  # 隐藏顶部图框        ax.spines['right'].set_visible(False)  # 隐藏右侧图框        ax.spines['bottom'].set_visible(True)  # 显示底部图框        # 显示网格线        ax.grid(axis='x',  # X轴                color='lightgrey',  # 网格线颜色                linestyle='-',  # 网格线样式                linewidth=0.5,  # 网格线                alpha=0.5)  # 网格线    pass

# =========================================================================================# ======================================6.箱线图绘制函数=======================================# =========================================================================================def render_panel_c(fig, gs_base, df, cities):    # 创建子网格布局    gs_c = gridspec.GridSpecFromSubplotSpec(1,  #行                                            2,  #列                                            subplot_spec=gs_base,  # 基于基础网格                                            width_ratios=[1, 2.4],  # 左右列宽度比例                                            wspace=0.1)  # 水平间距    ax_text = fig.add_subplot(gs_c[0])  # 在左侧网格添加子图用于显示文本和图例    ax_text.axis('off')  # 关闭坐标轴显示    # 设置子图编号    ax_text.text(-0.05,  #X                 1.02,  # Y                 'c',  # 文本内容                 fontsize=28,  # 字体大小                 fontweight='normal',  # 字体粗细                 transform=ax_text.transAxes,  # 使用相对坐标系                 fontname='Times New Roman')    #图例内容设置    col_1 = ["01.Shanghai", "02.Hangzhou", "03.Nanjing", "04.Suzhou", "05.Hefei", "06.Ningbo", "07.Wuxi","08.Changzhou", "09.Shaoxing"]    col_2 = ["10.Nantong", "11.Yangzhou", "12.Yancheng", "13.Tāizhou", "14.Wuhu", "15.Jiaxing", "16.Tàizhou","17.Ma'anshan", "18.Zhenjiang"]    col_3 = ["19.Jinhua", "20.Huzhou", "21.Anqing", "22.Zhoushan", "23.Tongling", "24.Chuzhou", "25.Chizhou","26.Xuancheng"]    all_cols = [col_1, col_2, col_3]  #合成一个列表    col_x_positions = [0.0, 0.35, 0.70]  #设置三列的X坐标位置    for col_idx, city_list in enumerate(all_cols):  # 遍历每一列        x_pos = col_x_positions[col_idx]  # 获取当前列的X坐标        for row_idx, city_name in enumerate(city_list):  # 遍历当前列的每一个元素            y_pos = 0.98 - row_idx * 0.055 #Y坐标            # 在指定位置绘制文本            ax_text.text(x_pos,  # X坐标                         y_pos,  # Y坐标                         city_name,  # 内容                         fontsize=22,  # 字体大小                         transform=ax_text.transAxes,  # 使用相对坐标                         ha='left')  # 左对齐    legend_start_y = 0.35  # 设置图例部分的起始Y坐标    legend_gap_y = 0.07  # 设置图例条目间的垂直间距    text_offset_x = 0.12  # 设置图例文字的X轴偏移量    cat_names = ["Megacity", "Large City", "Medium City I", "Medium City II", "Small City"]  # 类别名称列表    # =======================================================    # ======================颜色图例==========================    # =======================================================    legend_right_x = 0.55  # 右侧图例的起始X坐标    legend_right_text_offset = 0.12  # 右侧图例文字的偏移量    for i, (name, color) in enumerate(zip(cat_names, CUSTOM_COLORS[:5])):  # 遍历类别和对应的颜色        y_loc = legend_start_y - i * legend_gap_y  # 计算当前条目的Y坐标        # 绘制颜色矩形块        ax_text.add_patch(patches.Rectangle((legend_right_x, y_loc),  #坐标                                            0.1,  # 宽度                                            0.04,  # 高度                                            facecolor=color,  # 填充颜色                                            edgecolor='none',  #无边框                                            transform=ax_text.transAxes))  # 使用相对坐标        # 绘制类别名称文本        ax_text.text(legend_right_x + legend_right_text_offset,  # x                     y_loc + 0.02,  # Y                     name,  # 名称                     transform=ax_text.transAxes,  # 使用相对坐标                     fontsize=22,  # 字体大小                     va='center')  # 垂直居中    # =======================================================    # ======================25-75图例图例==========================    # =======================================================    y1 = legend_start_y  # Y坐标    # 绘制白色矩形    ax_text.add_patch(patches.Rectangle((0.0, y1),  # 坐标                                        0.1,  # 宽度                                        0.04,  # 高度                                        facecolor='white',  # 填充                                        edgecolor='black',  #边框                                        linewidth=1.2,  # 线宽                                        transform=ax_text.transAxes))  # 相对坐标    # 绘制说明文本    ax_text.text(text_offset_x,  #x                 y1 + 0.02,  # Y                 "25%-75%",  # 文本                 transform=ax_text.transAxes,  # 相对坐标                 fontsize=22,  # 字体大小                 va='center')  # 垂直居中    # =======================================================    # ======================中值线图例图例==========================    # =======================================================    y2 = y1 - legend_gap_y  # Y坐标    median_bg_color = CUSTOM_COLORS[7]  # 获取颜色   # 线宽                               transform=ax_text.transAxes)  # 相对坐标    ax_text.add_line(line_white)  # 将线条添加到子图    ax_text.text(text_offset_x,  # 绘制说明文本                 y2 + 0.02,  # Y坐标                 "Median Line",  # 文本内容                 transform=ax_text.transAxes,  # 相对坐标                 fontsize=22,  # 字体大小                 va='center')  # 垂直居中    # =======================================================    # ======================均值图例图例==========================    # =======================================================    y3 = y2 - legend_gap_y  # Y坐标    # 绘制散点    ax_text.scatter([0.05],  # x                    [y3 + 0.02],  # Y                               [y4 + 0.02, y4 + 0.02],  # Y                               color='black',  # 颜色                               linewidth=1.2,  # 线宽                               transform=ax_text.transAxes)  # 相对坐标    ax_text.add_line(line_range)  # 添加线条    # 左侧垂直短线    ax_text.add_line(        mlines.Line2D([0.0, 0.0],  # X坐标                      [y4 + 0.005, y4 + 0.035],  # Y坐标                      color='black',  # 颜色                      linewidth=1.2,  # 线宽                      transform=ax_text.transAxes))  # 相对坐标    # 右侧垂直短线    ax_text.add_line(        mlines.Line2D([0.1, 0.1],  # X坐标                      [y4 + 0.005, y4 + 0.035],  # Y坐标范围                      color='black',  # 颜色                      linewidth=1.2,  # 线宽                      transform=ax_text.transAxes))  # 相对坐标    ax_text.text(text_offset_x,  # X                 y5 + 0.02,  # Y坐标                 "Connecting line Mean",  # 文本内容                 transform=ax_text.transAxes,  # 相对坐标                 fontsize=22,  # 字体大小                 va='center')  # 垂直居中    # 创建图表部分的子网格    gs_plots = gridspec.GridSpecFromSubplotSpec(2,  # 行                                                2,  # 列                                                subplot_spec=gs_c[1],  # 基于右侧网格                                                wspace=0.15,  # 水平间距                                                hspace=0.2)  # 垂直间距    # 定义指标信息列表    metrics = [        ("PCM", "PCM(°C)", (0, 9)),        ("PCD", "PCD(m)", (0, 350)),        ("PCI", "PCI", (0, 0.065)),        ("PCG", "PCG", (0, 2.5))    ]                    palette=palette,  #颜色                    hue='City_ID',  # 按照ID着色                    legend=False,  # 不显示图例                    width=0.7,  # 箱体宽度                    linewidth=0.8,  # 线宽                    fliersize=1,  # 离群点大小                    showfliers=False,  # 不显示离群点                    boxprops=dict(alpha=0.9,  # 透明度                                  edgecolor='white'),  # 边框颜色                    medianprops=dict(color='white',  # 中位数线颜色                                     linewidth=1))  # 中位数线宽        ax.tick_params(axis='x', length=0)  # 去掉X轴刻度线        ax.tick_params(axis='y', length=0, labelsize=22)  # 去掉Y轴刻度线        for spine in ax.spines.values():  # 遍历所有图框            spine.set_visible(True);  # 显示图框            spine.set_color('black');  # 设置图框颜色            spine.set_linewidth(FRAME_LINEWIDTH)  # 设置图框线宽

# =========================================================================================# ======================================7.组合图绘制函数=======================================# =========================================================================================def draw_combined_figure(df_a, df_b, df_c, cities_c):    fig = plt.figure(figsize=(30, 24))  # 创建画布，    # 创建主网格    main_gs = gridspec.GridSpec(2,  # 行                                1,  # 列                                figure=fig,  # 画布                                height_ratios=[1.2, 1],  # 高度比例                                hspace=0.1)  # 垂直间距    # 创建顶部子网格    top_gs = gridspec.GridSpecFromSubplotSpec(1,  #行                                              2,  # 列                                              subplot_spec=main_gs[0],  # 位于主网格第0行                                              width_ratios=[1, 2.5],  # 宽度比例                                              wspace=0.1)  # 水平间距    ax_a = fig.add_subplot(top_gs[0])  # 在顶部左侧添加子图A                    1.02,  # Y坐标                    'b',  # 文本                    transform=ax_b_proxy.transAxes,  # 相对坐标                    fontsize=28,  # 字体大小                    fontweight='normal',  # 字体粗细                    va='top',  # 顶部对齐                    fontname='Times New Roman')    ax_b_proxy.axis('off')    render_panel_c(fig, main_gs[1], df_c, cities_c)  # 绘制图C    plt.subplots_adjust(left=0.07, right=0.98, top=0.96, bottom=0.04)  # 调整画布的边距    #保存    out_png = os.path.join(OUTPUT_DIR, f'Figure_Combined_Scheme_{scheme_index}.png')    out_pdf = os.path.join(OUTPUT_DIR, f'Figure_Combined_Scheme_{scheme_index}.pdf')    plt.savefig(out_png, dpi=300)    plt.savefig(out_pdf)

# =========================================================================================# ======================================8.子图保存函数=======================================# =========================================================================================def save_individual_figures(df_a, df_b, df_c, cities_c):    fig_a, ax_a = plt.subplots(figsize=(10, 15))  # 创建图A的画布和轴    render_panel_a(ax_a, df_a)  # 绘制图A    plt.tight_layout()  # 调整布局    # 保存    fig_a.savefig(os.path.join(OUTPUT_DIR, f'Figure_A_Scheme_{scheme_index}.png'), dpi=300)    plt.close(fig_a)    fig_b = plt.figure(figsize=(18, 12))  # 创建图B的画布    gs_b = gridspec.GridSpec(1, 1)[0]  # 创建图B的网格    render_panel_b(fig_b, gs_b, df_b)  # 绘制图B    fig_b.text(0.02,  # X坐标               0.95,  # Y坐标               'b',  # 文本               fontsize=28,  # 字体大小               fontweight='normal',  # 字体粗细               fontname='Times New Roman')    plt.tight_layout()  # 调整布局    # 保存    fig_b.savefig(os.path.join(OUTPUT_DIR, f'Figure_B_Scheme_{scheme_index}.png'), dpi=300)    plt.close(fig_b)    fig_c = plt.figure(figsize=(25, 12))  # 创建图C的画布    gs_c = gridspec.GridSpec(1, 1)[0]  # 创建图C的网格    render_panel_c(fig_c, gs_c, df_c, cities_c)  # 绘制图C    plt.tight_layout()  # 调整布局    # 保存    fig_c.savefig(os.path.join(OUTPUT_DIR, f'Figure_C_Scheme_{scheme_index}.png'), dpi=300)    plt.close(fig_c)

# =========================================================================================# ======================================9.子图保存函数=======================================# =========================================================================================if __name__ == "__main__":    # 读取数据    df_a = pd.read_excel(r'data_a.xlsx')    df_b = pd.read_excel(r'data_b.xlsx')    df_c = pd.read_excel(r'data_c.xlsx')    # 定义信息列表，包含ID、名称和类别索引    cities_c = [        (1, "Shanghai", 0), (2, "Hangzhou", 1), (3, "Nanjing", 1),        (4, "Suzhou", 2), (5, "Hefei", 2), (6, "Ningbo", 2), (7, "Wuxi", 2), (8, "Changzhou", 2), (9, "Shaoxing", 2),        (10, "Nantong", 3), (11, "Yangzhou", 3), (12, "Yancheng", 3), (13, "Taizhou", 3), (14, "Wuhu", 3),        (15, "Jiaxing", 4), (16, "Taizhou", 4), (17, "Ma'anshan", 4), (18, "Zhenjiang", 4), (19, "Jinhua", 4),        (20, "Huzhou", 4), (21, "Anqing", 4), (22, "Zhoushan", 4), (23, "Tongling", 4), (24, "Chuzhou", 4),        (25, "Chizhou", 4), (26, "Xuancheng", 4)    ]    draw_combined_figure(df_a, df_b, df_c, cities_c)  # 执行绘制组合图函数    save_individual_figures(df_a, df_b, df_c, cities_c)  # 执行子图保存函数

scheme_index  = 39 #当前使用的颜色方案

2.设置绘图结果的保存地址：

OUTPUT_DIR = r'组合图'  #结果输出路径

df_a = pd.read_excel(r'data_a.xlsx')