Python绘制多y轴渐变色嵌套柱状图

# =========================================================================================# ======================================2.颜色库=======================================# =========================================================================================COLOR_SCHEMES = {    1: ['#E74C3C', '#3B4A6B', '#1C8C85'],}

# =========================================================================================# ======================================3.绘图函数=======================================# =========================================================================================def plot_residual_stacked_histogram(df_real, scheme_id):    selected_hex_colors = COLOR_SCHEMES[scheme_id]  # 获取配色方案    colors_list = selected_hex_colors[:len(sources)]  # 分配颜色

    # 创建画布    fig, ax = plt.subplots(figsize=(8, 6))    # 绘制子图编号    ax.text(0.85,  # x            0.9,  # y            '(a)',  # 文本            transform=ax.transAxes,  # 坐标系            fontsize=30,  # 字号            fontweight='bold',  # 加粗            va='bottom',  # 垂直            ha='left')  # 水平    ax.tick_params(axis='y',  #轴                   colors=colors_list[0])  # 颜色同    ax.spines['left'].set_color(colors_list[0])  #左边框颜色

    axes = [ax]  #存放多Y轴        #设置刻度样式        ax_new.tick_params(axis='y',colors=colors_list[i])        ax_new.spines['right'].set_color(colors_list[i])  #边框组颜色        #刻度文本        for label in ax_new.get_yticklabels():            label.set_fontsize(11)        axes.append(ax_new)  #保存

    patches = []  #存放柱子    max_counts = []  #各组最大频数    # 遍历每一组数据及其对应y轴    for i, (res, current_ax) in enumerate(zip(res_list, axes)):        #绘制直方图        n, _, p = current_ax.hist(res,  #轴                                  bins=bins,  #分箱                                  stacked=False,  #堆叠                                  edgecolor='white',  #边色                                  linewidth=0,  #边框线宽                                  rwidth=0.95 - i * 0.20,  #宽度                                  alpha=1.0)  #透明度                im.set_clip_path(rect)  # 掩码                rect.set_facecolor('none')  # 清除原矩形底色                rect.set_edgecolor('white')  # 白色边框                rect.set_zorder(3)  # 边框图层

    x_pdf = np.linspace(-res_limit, res_limit, 200)  # 生成坐标用于绘制正态曲线    ax.set_xlim(-res_limit, res_limit)  # X轴范围        # 动态自适应设置每个Y轴的范围        max_pdf = max(y_pdf * scale_factor) if len(y_pdf) > 0 else 0        line_normals.append(plt.Line2D([0], [0],#占位                                       color=colors_list[i],#颜色                                       linestyle='--',#线性                                       lw=2.5,#粗细                                       label=rf'{sources[i]} fit ($\mu = {mu_i:.1f}$, $\sigma = {std_i:.1f}$)'))#文本

    # x轴标题    ax.set_xlabel(r'Residual ($\mu\epsilon$)',  # 文本                  fontsize=14,  # 字体大小                  fontweight='bold')  # 加粗    # 添加图例    ax.legend(handles=legend_patches + line_normals,  # 句柄              loc='upper left',  # 位置              prop={'size': 9},  # 字体属性              edgecolor='gray',  # 边框颜色              framealpha=1)  # 背景透明度

# =========================================================================================# ======================================4.执行部分=======================================# =========================================================================================if __name__ == "__main__":    df_data = pd.read_excel(r'\data.xlsx')  # 读取数据    scheme_id = 1    print(f'正在绘制并保存方案：{scheme_id}')    plot_residual_stacked_histogram(df_data, scheme_id)

df_data = pd.read_excel(r'data.xlsx')  # 读取数据

2.设置是否批量绘图，执行部分：

plot_all = True

plt.savefig(fr'Scheme_{scheme_id}.svg', bbox_inches='tight')