期刊图片复现|Python绘制堆叠面积图展示数据分布

# =========================================================================================# ====================================== 1. 环境设置 =======================================# =========================================================================================import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom scipy.interpolate import make_interp_splinefrom matplotlib.ticker import MultipleLocator

# =========================================================================================# ======================================2.颜色库=======================================# =========================================================================================COLOR_SCHEMES = {    1: ['#5a0000', '#e62e1a', '#fedfcc', '#b8d3eb', '#6599cc', '#1f66a0'],}SCHEME_ID = 60  #使用的配色方案colors = COLOR_SCHEMES.get(SCHEME_ID, COLOR_SCHEMES[1])  #获取颜色

# =========================================================================================# ======================================3.绘制函数======================================# =========================================================================================def draw_custom_plot(df, save_path=""):    # 创建画布    fig, ax = plt.subplots(figsize=(8, 8))    years = df.index  #获取年份数据，x轴    components = ['BC', 'NH4+', 'NO3-', 'OM', 'SO42-', 'DUST']  # 定义需要堆叠的数据名称    labels = ['BC', r'NH$_4^+$', r'NO$_3^-$', 'OM', r'SO$_4^{2-}$', 'DUST']  #图例名称    y_stack = [df[c].values for c in components]  #提取数据

    #绘制折线图    ax.plot(years,  #x            df['Total'],  #y            color='black',  #颜色            linewidth=2.0,  #宽度            label='Deaths',  #图例标签            zorder=10)  #图层顺序    #绘制置信区间上界    ax.plot(years,  #x            df['CI_Upper'],  #y            color='black',  #颜色            linestyle='--',  #样式            zorder=10)  #图层顺序    #绘制置信区间下界    ax.plot(years,  #x            df['CI_Lower'],  #y            color='black',  #颜色            zorder=10)  #图层顺序

    #设置刻度参数    ax.tick_params(axis='both',  #作用于x轴和y轴                   which='major',  #主刻度                   direction='out',  #朝外                   length=6,  #长度                   width=2,  #宽度                   labelsize=11)  #字体大小    #设置刻度参数    ax.tick_params(axis='both',  #作用于x轴和y轴                   which='minor',  #次刻度                   direction='out',  #朝外                   length=3,  #长度                   width=1.5)  #宽度    #设置x轴次刻度间隔    ax.xaxis.set_minor_locator(MultipleLocator(1))    # 设置y轴次刻度间隔    ax.yaxis.set_minor_locator(MultipleLocator(5))    #设置边框线宽    ax.spines['left'].set_linewidth(2)    ax.spines['bottom'].set_linewidth(2)    #隐藏边框    ax.spines['top'].set_visible(False)    ax.spines['right'].set_visible(False)

    handles, labels_all = ax.get_legend_handles_labels()  #获取当前图表的所有图例句柄和标签    ax.legend(final_handles,  #调整后的句柄              final_labels,  #调整后的标签              frameon=False,  #不显示图例边框              loc='upper right',  #右上角              fontsize=11)  #字体大小    plt.tight_layout()  #自动调整子图参数

# =========================================================================================# ======================================4.执行部分======================================# =========================================================================================if __name__ == "__main__":    INPUT_EXCEL_PATH = r"data.xlsx"  #输入文件    OUTPUT_DIR = r"堆叠面积图"  #输出文件    SWITCH_SMOOTH = 0  #是否开启平滑    #读取文件    raw_df = pd.read_excel(INPUT_EXCEL_PATH)    raw_df.set_index('Year', inplace=True)  #设置为索引    target_df = smooth_df if SWITCH_SMOOTH else raw_df    #调用绘图函数进行绘图    draw_custom_plot(target_df, save_path=OUTPUT_DIR)

SCHEME_ID = 60  #使用的配色方案

2.设置堆叠图数据的部分：

components = ['BC', 'NH4+', 'NO3-', 'OM', 'SO42-', 'DUST'] 

INPUT_EXCEL_PATH = r"data.xlsx"  #输入文件

4.设置结果文件的路径：

OUTPUT_DIR = r"堆叠面积图"  #输出文件

SWITCH_SMOOTH = 0  #是否开启平滑