期刊图片复现|Python绘制小提琴图+相关性矩阵图组图

# =========================================================================================# ====================================== 1. 环境设置 =======================================# =========================================================================================import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsfrom scipy.stats import spearmanr, linregressimport matplotlib.gridspec as gridspec

# =========================================================================================# ======================================2.颜色库=======================================# =========================================================================================COLOR_SCHEMES = {    1: 'RdYlBu_r',}

# =========================================================================================# ======================================3.绘图函数=======================================# =========================================================================================def plot_advanced_forest_chart(df, scheme_id):    cmap_source = COLOR_SCHEMES[scheme_id] #提取配色方案    if isinstance(cmap_source, str):        cmap = plt.get_cmap(cmap_source)    else:        cmap = cmap_source    wrap_threshold = 11 #y轴文本单行长度    scatter_color = palette[-2] if num_vars > 1 else palette[0] #设置散点的默认颜色

    #创建画布    fig = plt.figure(figsize=(16, 9))    gs = gridspec.GridSpec(1, 2, width_ratios=[1, 2.3], wspace=0.22) #创建网格布局    ax_a = fig.add_subplot(gs[0]) #左侧小提琴图    #0值参考线    ax_a.axvline(0, #x                 color='gray', #颜色                 linestyle='--', #样式                 alpha=0.7,  #透明度                 linewidth=2) #粗细    #x轴标题    ax_a.set_xlabel("Residual (Sign-Log)", #文本                    fontsize=15,  #大小                    fontweight='bold') #粗细    ax_a.tick_params(axis='y',  #轴                     which='major', #主刻度                     pad=45, #间隔                     length=0) #长度    #x轴刻度设置    ax_a.tick_params(axis='x',  #轴                     labelsize=13) #大小

    #设置右侧热图网格布局    gs_right = gridspec.GridSpecFromSubplotSpec(1,  #行                                                2,  #列                                                subplot_spec=gs[1], #位置                                                width_ratios=[2.2, 0.05], #比例                                                wspace=0.02) #间距    #相关性散点矩阵布局    gs_b = gridspec.GridSpecFromSubplotSpec(        num_vars, #行        num_vars,  #列        subplot_spec=gs_right[0],  #位置        wspace=0.08,  #水平间距        hspace=0.08 #垂直间距    )    norm = mcolors.Normalize(vmin=-1, vmax=1) #创建一个标准化对象为后续色彩映射做准备            else:                r, p = spearmanr(df.iloc[:, j], df.iloc[:, i]) #斯皮尔曼分析                ax.set_facecolor(cmap(norm(r))) #当前网格单元的背景色                #显著性设置                if p < 0.001:                    stars = "***"                elif p < 0.01:                    stars = "**"                elif p < 0.05:                    stars = "*"                else:                    stars = ""                #文本颜色设置                text_color = "black" if abs(r) < 0.6 else "white"                #相关性文本设置                ax.text(                    0.5,  #x                    0.5,  #y                    f"{r:.3f}\n{stars}", #文本                    ha='center', #水平                    va='center', #垂直                    fontsize=13, #大小                    color=text_color,  #颜色                    transform=ax.transAxes, #坐标系                )            #轴刻度

    # 遍历所有子图    for ax in fig.axes:        #设置边框        for spine in ax.spines.values():            spine.set_linewidth(2)        #设置刻度        ax.tick_params(axis='both', #轴                       which='major', #主刻度                       length=5,  # 长                       width=2) #宽    # 设置颜色条刻度    cbar.ax.tick_params(width=2,#粗细                        length=5, #长度                        labelsize=13) #大小    cbar.outline.set_linewidth(2) #边框线

    #子图编号    fig.text(0.1, #x             0.95,  #y             '(a)',  #编号             fontsize=22, #大小             fontweight='bold', #加粗             va='top') #垂直    fig.text(0.35, #x             0.95, #y

# =========================================================================================# ======================================4.执行部分======================================# =========================================================================================if __name__ == '__main__':    df= pd.read_excel(r"Residual_Results.xlsx") #原始数据    #是否批量绘图    else:        scheme_id = 1        print('正在绘制并保存方案：', scheme_id)        plot_advanced_forest_chart(df, scheme_id)

df= pd.read_excel(r"Residual_Results.xlsx") #原始数据

2.设置是否要进行批量绘图，执行部分：

plot_all = True

plt.savefig(fr"Result_Scheme_{scheme_id}.pdf", bbox_inches='tight'