import osimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom scipy.stats import linregress, gaussian_kde# =========================================================================# 1. 初始化路径与文件夹检查# =========================================================================script_dir = os.path.dirname(os.path.abspath(__file__)) if '__file__' in locals() else os.getcwd()excel_file = os.path.join(script_dir, "data.xlsx")output_dir = os.path.join(script_dir, "图表")if not os.path.exists(output_dir):    os.makedirs(output_dir)    print(f"已创建文件夹: {output_dir}")if not os.path.exists(excel_file):    print(f"错误: 找不到文件 {excel_file}。请确保 data.xlsx 与本脚本在同一目录下。")    exit()# =========================================================================# 2. 专业科研期刊配色方案# =========================================================================color_schemes = {    1: {"colors": ["#ff7f7f", "#807fff"], "desc": "指定高饱和红蓝方案，适用于强对比度实验对照组"},}# 默认选择方案1selected_scheme = color_schemes[1]["colors"]red_color = selected_scheme[0]blue_color = selected_scheme[1]# =========================================================================# 3. 数据读取与验证# =========================================================================print("正在读取 Excel 并准备绘图...")data_sheets = pd.read_excel(excel_file, sheet_name=None)sheet_names = ["Condition1_A", "Condition2_B", "Condition3_C", "Condition4_D"]for sheet in sheet_names:    if sheet not in data_sheets:        print(f"错误: Excel 文件中缺少名为 '{sheet}' 的工作表。")        exit()# =========================================================================# 4. 绘图配置与高精度渲染# =========================================================================colors = [red_color, red_color, blue_color, blue_color]plt.rcParams['font.sans-serif'] = ['Arial', 'SimHei']plt.rcParams['axes.unicode_minus'] = Falsefig, axes = plt.subplots(1, 4, figsize=(16, 4), sharey=True)fig.subplots_adjust(wspace=0.15)axes[0].set_ylabel("Mean area (z-score)", fontsize=13, labelpad=8)for i, sheet_name in enumerate(sheet_names):    ax = axes[i]    df = data_sheets[sheet_name].dropna()    x = pd.to_numeric(df["Square size (cm)"], errors='coerce').dropna().values    y = pd.to_numeric(df["Mean area (z-score)"], errors='coerce').dropna().values    min_len = min(len(x), len(y))    x, y = x[:min_len], y[:min_len]    if min_len < 3:        print(f"警告: 工作表 '{sheet_name}' 中的有效数据点不足，已跳过拟合。")        continue    color = colors[i]    # ------------------ A. 左侧直方图和边际核密度曲线 (KDE) ------------------    y_bins = np.linspace(-1.5, 1.5, 11)    counts, edges, patches = ax.hist(y, bins=y_bins, orientation='horizontal',                                     color=color, alpha=0.5, edgecolor='white', linewidth=0.8, zorder=1)    kde = gaussian_kde(y)    y_eval = np.linspace(-1.5, 1.5, 100)    x_eval = kde(y_eval)    max_count = np.max(counts) if np.max(counts) > 0 else 1    scale_factor = 0.35    for count, patch in zip(counts, patches):        patch.set_width((count / max_count) * scale_factor)        patch.set_xy((0.16, patch.get_xy()[1]))    ax.plot(0.16 + (x_eval / np.max(x_eval)) * scale_factor, y_eval, color=color, linewidth=1.5, zorder=1.5)    # ------------------ B. 散点图 ------------------    ax.scatter(x, y, color='#262626', s=7, alpha=0.85, zorder=3)    # ------------------ C. 95% 置信区间阴影与回归线 ------------------    slope, intercept, r_val, p_val, std_err = linregress(x, y)    x_line = np.linspace(0.16, 2.50, 100)    y_line = slope * x_line + intercept    n = len(x)    x_mean = np.mean(x)    y_fitted = slope * x + intercept    residual_std = np.sqrt(np.sum((y - y_fitted) ** 2) / (n - 2))    t_value = 2.0    se_line = residual_std * np.sqrt(1 / n + (x_line - x_mean) ** 2 / np.sum((x - x_mean) ** 2))    ax.fill_between(x_line, y_line - t_value * se_line, y_line + t_value * se_line,                    color='#D4D4D4', alpha=0.5, zorder=2)    ax.plot(x_line, y_line, color='black', linewidth=1.8, zorder=4)    # ------------------ D. 还原视觉轴线样式 ------------------    ax.set_xlim(0.16, 2.60)    ax.set_ylim(-1.6, 1.6)    ax.set_xticks([0.16, 0.39, 0.99, 2.50])    ax.set_xticklabels(["0.16", "0.39", "0.99", "2.50"], fontsize=11)    ax.set_xlabel("Square size (cm)", fontsize=12, labelpad=6)    if i == 0:        ax.set_yticks([-1, 0, 1])        ax.set_yticklabels(["-1", "0", "1"], fontsize=11)    else:        ax.yaxis.set_ticks_position('none')    ax.spines['top'].set_visible(False)    ax.spines['right'].set_visible(False)    ax.spines['left'].set_linewidth(1.2)    ax.spines['bottom'].set_linewidth(1.2)# =========================================================================# 5. 保存输出# =========================================================================output_path = os.path.join(output_dir, "recreated_plot.png")plt.savefig(output_path, dpi=300, bbox_inches='tight')plt.close()print(f"绘图成功！高清图片已保存至: {output_path}")