期刊图片复现|Python绘制带有悬浮效果的平滑折线图

# =========================================================================================# ====================================== 1. 环境设置 =======================================# =========================================================================================import matplotlib.pyplot as pltimport numpy as npimport pandas as pdfrom scipy.interpolate import make_interp_splineimport matplotlib.ticker as mtickimport matplotlib.patheffects as path_effectsimport matplotlib.patches as patches

# =========================================================================================# ======================================2.颜色库=======================================# =========================================================================================COLOR_SCHEMES = {    1:  ['#4daf4a', '#984ea3', '#377eb8', '#f781bf', '#4169e1', '#00ced1', '#fdbf6f', '#ff7f00'],}SCHEME_ID = 60  #使用的颜色方案current_colors = COLOR_SCHEMES.get(SCHEME_ID, COLOR_SCHEMES[1])  #获取颜色

# =========================================================================================# ===================================3.绘图函数==============================================# =========================================================================================def plot_accuracy_chart(x_labels, data, styles):    x = np.arange(len(x_labels))  #根据标签数量生成X的数值索引数组    #创建画布    fig, ax = plt.subplots(figsize=(12, 7), dpi=100)        #绘制曲线        ax.plot(x_smooth,  #X                y_smooth,  #Y                color=styles[name]['color'],  #颜色                linestyle=styles[name]['style'],  #线型                linewidth=4,  # 设置线宽                alpha=1,  # 设置透明度                path_effects=pe)  #应用之前定义的阴影效果        #绘制节点        ax.scatter(x,  #X                   y_values,  #Y                   color=styles[name]['color'],  #散点颜色                   s=90,  #散点大小                   zorder=5,  #顺序                   edgecolor='white',  #边缘颜色                   linewidth=1.5,  #散点边缘宽度                   path_effects=pe)  #应用阴影效果

    ax.set_xticks(x)  #X轴的刻度位置    #设置X轴的刻度标签文本及字体大小    ax.set_xticklabels(x_labels)    ax.set_yticks(np.arange(50, 100, 5))  #Y轴的刻度范围    ax.tick_params(axis='both', labelsize=17)  #刻度标签的字体大小    plt.setp(ax.get_xticklabels() + ax.get_yticklabels(), fontweight='bold')#设置加粗    ax.set_ylim(45, 95)  #Y轴的显示范围    ax.yaxis.set_major_formatter(mtick.PercentFormatter())  # 设置 Y 轴主刻度格式为百分比显示    #去掉边框    for spine in ax.spines.values():        spine.set_visible(False)    ax.tick_params(axis='both', which='both', length=0)  #隐藏X、Y轴的刻度线    ax.grid(False)  #关闭网格线    #构建线+点组合的图例句柄    legend_handles = []  #用于存储自定义的图例句柄    # 添加图例    ax.legend(handles=legend_handles,  #句柄              labels=data.keys(),  #名称              loc='upper center',  #位置              bbox_to_anchor=(0.5, -0.08),  #锚点位置              ncol=8,  #列数              frameon=False,  # 边框              prop={'weight': 'bold', 'size': 13},  #字体加粗，大小              columnspacing=1.2)  #列间距

# =========================================================================================# ======================================4.执行部分=======================================# =========================================================================================if __name__ == "__main__":    file_path = r'data.xlsx'  #数据文件的路径    df = pd.read_excel(file_path, index_col=0)  #读取文件    x_labels = df.index.tolist()  #X轴标签    data = df.to_dict(orient='list')  #转换为字典，列名作为键，列数据列表作为值    model_names = list(data.keys())  # 获取所有名称/列名    #调用绘图函数    plot_accuracy_chart(x_labels, data, styles)

SCHEME_ID = 60  #使用的颜色方案

2.设置绘图结果的保存地址：

fig.savefig(fr'plot{SCHEME_ID}.png', dpi=600)

file_path = r'data.xlsx'  #数据文件的路径