期刊图片复现|Python绘制堆叠柱状图+桑基图组图

# =========================================================================================# ====================================== 1. 环境设置 =======================================# =========================================================================================import numpy as npimport pandas as pdimport matplotlib.pyplot as plt

# =========================================================================================# ======================================2.颜色库=======================================# =========================================================================================COLOR_SCHEMES = {    1: ["#F4A582", "#FDDBC7", "#E6F5D0", "#F1B6DA", "#92C5DE", "#B2ABD2", "#C7EAE5", "#8073AC", "#FDB863"],}

# =========================================================================================# ======================================3.绘图函数=======================================# =========================================================================================def plot_advanced_forest_chart(df_data, df_flow, scheme_id):    categories = [col for col in df_data.columns if col != 'Year']  # 提取所有分类列名    # 创建画布    fig = plt.figure(figsize=(16, 6), facecolor="#F2F2F2")    # 添加子图    ax1 = fig.add_subplot(gs[0], facecolor="#F2F2F2")    ax2 = fig.add_subplot(gs[1], facecolor="#F2F2F2")    # 调整布局    plt.subplots_adjust(top=0.88,  # 上                        bottom=0.08,  # 下                        left=0.05,  # 左                        right=0.98)  # 右

    bottom_y1 = np.zeros(len(years))  # 初始化堆叠图底部高度    ax1.set_ylim(0, 100)  # y轴范围    ax1.set_xlim(years[0] - 0.6, years[-1] + 0.6)  # x轴范围    # y轴标题    ax1.set_ylabel("Percentage(%)",  # 文本                   fontsize=16,  # 字体大小                   fontweight='bold')  # 加粗    ax1.set_xticks(years)  # x轴刻度位置    ax1.set_xticklabels(years, fontweight='bold')  # x轴刻度样式    # 设置左侧子图的刻度样式    ax1.tick_params(axis='both',  # 轴                    which='major',  # 主刻度                    length=TICK_LENGTH,  # 长                    width=TICK_WIDTH)  # 宽

    # 桑基图条带绘制函数    def draw_ribbon():        ctrl_offset = (x2 - x1) * 0.4  # 贝塞尔曲线控制点        # 条带各顶点的坐标        vertices = [            (x1, y1_bottom),  # 左下点        ]        starts = np.zeros(len(col_data))  # 初始化起点数组        curr = 0  # 记录累计高度        # 遍历列数据        for idx in range(len(col_data)):            starts[idx] = curr  # 记录当前分类起点高度            # 有数据            if active_mask[idx]:                curr += col_data[idx] + gap  # 更新起点位置        return starts

    #遍历每一段相邻年份建立桑基图流动关系    for t in range(len(years) - 1):        S = data_sankey[:, t]  #当前年份数据        for _, row in year_flows.iterrows():            if row['Source'] in categories and row['Target'] in categories:                src_idx = categories.index(row['Source'])  #起点                tgt_idx = categories.index(row['Target'])  #终点                M[src_idx, tgt_idx] = row['Flow_Value'] * scale_factor  #流动量                    current_left_y[i] += val  #更新左侧该分类下一步的起始坐标                    current_right_y[j] += val  #更新右侧该分类下一步的起始坐标

    # 遍历所有年份以绘制桑基图节点柱    for t in range(len(years)):    ax2.set_ylim(-2, 106)  #右侧子图Y轴范    ax2.set_xlim(years[0] - 0.1, years[-1] + 0.1)  #右侧子图X轴范围    ax2.set_xticks(years)  #X轴刻度    ax2.set_xticklabels(years, fontweight='bold')  #x轴刻度标注加粗    ax2.set_yticks([])  #去掉y轴刻度标签    #设置边框粗细    for spine in ax2.spines.values():        spine.set_linewidth(FRAME_LINEWIDTH)    #设置轴刻度样式    ax2.tick_params(axis='x',  #轴                    which='major',  #主刻度                    length=TICK_LENGTH,  #长                    width=TICK_WIDTH)  #宽

# =========================================================================================# ======================================4.执行部分=======================================# =========================================================================================if __name__ == "__main__":    df_real = pd.read_excel(r"data.xlsx")  # 读取数据        scheme_id = 1        print('正在绘制并保存方案：', scheme_id)        plot_advanced_forest_chart(df_real, df_flow, scheme_id)  # 传入 df_flow        print("单张图表绘制完成！")

df_real = pd.read_excel(r"data.xlsx") 

2.设置是否进行批量绘图，执行部分：

plot_all = True

plt.savefig(fr"scheme_{scheme_id}.png", dpi=400,bbox_inches='tight', facecolor=fig.get_facecolor(), edgecolor='none')