期刊图片复现|Python绘制分区域指数演变趋势及差异分析的双色填充时序图

# =========================================================================================# ====================================== 1. 环境设置 =======================================# =========================================================================================import matplotlib.pyplot as pltimport numpy as npimport pandas as pdimport osfrom matplotlib.lines import Line2Dimport matplotlibimport matplotlib.colors as mcolors

# =========================================================================================# ======================================2.颜色库=======================================# =========================================================================================COLOR_SCHEMES = {    1: {'rural': '#003f5c', 'urban': '#d45087', 'pre': '#ADD8E6', 'post': '#FFE4B5', 'delta': '#ff7c43'},}SCHEME_ID = 40  #选择配色方案CURRENT_PALETTE = COLOR_SCHEMES.get(SCHEME_ID, COLOR_SCHEMES[1])  #获取配色

# =========================================================================================# ======================================3.计算移动平均趋势的函数=======================================# =========================================================================================def calculate_rolling_trend(data_array, years, window=10):    series = pd.Series(data_array, index=years)  # 将输入的数据数组转换为Series对象    rolling_data = series.rolling(window=window,  #应用滚动窗口                                  min_periods=1,  # 设置最小观测值数量                                  center=True).mean()  #设置窗口居中并计算平均值    return rolling_data  # 返回计算后的移动平均数据

# =========================================================================================# ======================================4.计算Delta值的函数=======================================# =========================================================================================def calculate_did_delta(years, r_raw, u_raw):    mask_pre = (years >= 1980) & (years <= 1999)  #基准期    mask_post = (years >= 2000) & (years <= 2022)  #近期    # 计算Delta    delta = ue_post - ue_pre    # 格式化输出    if abs(delta - round(delta)) < 0.001:        return f"{int(round(delta))}"    else:        return f"{delta:.1f}"

# =========================================================================================# ======================================3.子图绘制函数=======================================# =========================================================================================def draw_single_panel(ax, years, r_raw, r_roll, u_raw, u_roll, label, title, delta_val,is_xlabel=False):    #原始数据折线    ax.plot(years,  #x轴            r_raw,  # Y轴            color=COLOR_RURAL,  #颜色            linestyle='--',  #线条样式            alpha=0.3,  #透明度            linewidth=1)  #线宽    ax.plot(years,  #x轴            u_raw,  #Y轴            color=COLOR_URBAN,  #颜色            linestyle='--',  #线条样式            alpha=0.3,  #透明度            linewidth=1)  #线宽

    mask_pre = years <= 2000  #筛选2000年及以前的年份    mask_post = years >= 2000  # 筛选2000年及以后的年份    # 曲线之间填充颜色    ax.fill_between(years,#x轴                    r_roll,  # 填充区域的下界                    u_roll,  # 填充区域的上界                    where=mask_pre,  # 仅在2000年及之前的区域填充                    interpolate=True,  # 插值以获得平滑边缘                    color=FILL_COLOR_PRE,  # 填充颜色                    alpha=0.5)  #透明度

    #阈值线    ax.axvline(x=2000,  #x               color='gray',  # 颜色               linestyle='--',  # 样式               linewidth=1.5,  #线宽               alpha=0.7)  #透明度    y_min, y_max = ax.get_ylim()  # 获取当前Y轴的最小值和最大值    # Delta文本    ax.text(0.05,  #x坐标            0.9,  #y坐标            f'Delta: {delta_val}',  # 文本内容            transform=ax.transAxes,  #指定坐标系            fontsize=16,  # 字体大小            fontweight='bold',  # 字体加粗            color=DELTA_TEXT_COLOR,  # 文本颜色            bbox=dict(facecolor='#f0f0f0',  # 文本框背景色                      edgecolor='none',  # 文本框无边框                      alpha=0.7))  # 文本框透明度

    # 子图标题    ax.set_title(label,  #内容                 loc='left',  # 左                 fontsize=18,  # 字体大小                 fontweight='bold',  # 加粗                 pad=10)  # 标题与图表的间距    # y轴标题    ax.set_ylabel(title,  #内容                  fontsize=16,  #字体大小                  fontweight='bold')  #加粗    #设置刻度线    ax.tick_params(axis='both',  #x轴和y轴                   which='major',  #主刻度                   length=4,  #长度                   width=2,  #宽度                   direction='out',#方向                   labelsize=14) #字体大小    #设置刻度标注加粗    for label in ax.get_xticklabels() + ax.get_yticklabels():        label.set_fontweight('bold')    if is_xlabel:        ax.set_xlabel("Year", fontsize=14, fontweight='bold')  # 设置X轴标题

# =========================================================================================# ======================================4.主绘图函数=======================================# =========================================================================================def create_and_save_charts(df, years):    # 动态获取变量列表，并去除后缀作为变量名    variable_names = [col.replace('_Rural', '') for col in df.columns if col.endswith('_Rural')]    # 动态计算所需的行数和列数    num_vars = len(variable_names)    # 调整子图间的间距    plt.subplots_adjust(wspace=0.3,hspace=0.3)    axes_flat = axes.flatten()  # 将二维的axes数组展平为一维，便于迭代

   # 遍历变量列表    for i, title in enumerate(variable_names):        # 生成子图标签        label = f"{chr(97 + i)}."        r_raw = df[f'{title}_Rural'].values  # 根据标题构建列名，获取农村原始数据值        u_raw = df[f'{title}_Urban'].values  # 根据标题构建列名，获取城市原始数据值        #绘制子图        draw_single_panel(ax_comb,  # 面板                          years,  # 年份数据                          r_raw,  # 农村原始数据                          r_roll,  # 农村平滑数据                          u_raw,  # 城市原始数据                          u_roll,  # 城市平滑数据                          label,  # 子图标签                          title,  # 变量标题                          delta,  #Delta值                          is_xlabel=show_xlabel)  # 是否显示X轴标题

        fig_single, ax_single = plt.subplots(figsize=(5, 4), dpi=150)  # 创建一个独立画布用于保存单张子图        draw_single_panel(ax_single, years,r_raw,r_roll,u_raw,u_roll,label,title,delta,is_xlabel=True)        plt.tight_layout()  # 自动调整布局        # 保存        fig_single.savefig(fr"subplot_{title}.png", dpi=300, bbox_inches='tight')        fig_single.savefig(fr"subplot_{title}.pdf", bbox_inches='tight')        plt.close(fig_single)  # 关闭

    # 隐藏多余的空白子图    for j in range(i + 1, len(axes_flat)):        axes_flat[j].axis('off')    # 自定义图例句柄列表    custom_lines = [        Line2D([0],               [0],  # 初始坐标               color=COLOR_RURAL,  # 颜色               lw=2),  #线宽        Line2D([0], [0], color=COLOR_RURAL, lw=1.5, linestyle='--'),        Line2D([0], [0], color=COLOR_URBAN, lw=2),        Line2D([0], [0], color=COLOR_URBAN, lw=1.5, linestyle='--')    ]    plt.subplots_adjust(bottom=0.15)  # 调整底部边距    #保存    fig_combined.savefig(fr"{SCHEME_ID}.png", dpi=300, bbox_inches='tight')    fig_combined.savefig(fr"{SCHEME_ID}.pdf", bbox_inches='tight')

# =========================================================================================# ======================================5.运行入口=======================================# =========================================================================================if __name__ == "__main__":    DATA_FILE_PATH = r"data.xlsx"  #数据文件路径    df = pd.read_excel(DATA_FILE_PATH, index_col=0)  # 读取数据    years = df.index.values  # 获取年份索引值    # 执行绘图函数    create_and_save_charts(df, years)

SCHEME_ID = 40  #选择配色方案

2.设置分期数据：

mask_pre = (years >= 1980) & (years <= 1999)  #基准期mask_post = (years >= 2000) & (years <= 2022)  #近期

3.设置子图的保存地址：

fig_single.savefig(fr"subplot_{title}.png", dpi=300, bbox_inches='tight')fig_single.savefig(fr"subplot_{title}.pdf", bbox_inches='tight')

4.设置组合图的保存地址：

fig_combined.savefig(fr"{SCHEME_ID}.png", dpi=300, bbox_inches='tight')fig_combined.savefig(fr"{SCHEME_ID}.pdf", bbox_inches='tight')

DATA_FILE_PATH = r"data.xlsx"