期刊图片复现|Python绘制带悬浮效果的条形堆叠图

# =========================================================================================# ====================================== 1. 库的导入 =========================================# =========================================================================================import matplotlib.pyplot as pltimport numpy as npimport pandas as pdfrom matplotlib.colors import LinearSegmentedColormapimport osplt.rcParams['font.family'] = 'Times New Roman'import matplotlibmatplotlib.rcParams['pdf.fonttype'] = 42matplotlib.rcParams['ps.fonttype'] = 42

# =========================================================================================# ======================================2.设置颜色库 =========================================# =========================================================================================color_schemes = {    1: {'Elevation': '#C8C8A9'},}selected_scheme = 20  # 设置要使用的配色方案selected_colors = color_schemes[selected_scheme]  # 获取配色方案

# =========================================================================================# ======================================3.绘图函数 =========================================# =========================================================================================def create_and_save_plot(data_dict, order, colors, climate_labels,season_labels):

    # 创建画布    fig, ax = plt.subplots(figsize=(14, 8))    # X轴位置    x_positions = np.arange(len(climate_labels) * len(season_labels))    # 绘制柱子旁边的阴影让柱子看上去像是悬浮在图面上    shadow_offset = 0.03  # 阴影的水平偏移量    shadow_width = 0.6  # 阴影的宽度    shadow_alpha = 0.5  # 阴影的透明度    shadow_cmap = LinearSegmentedColormap.from_list(        "shadow_gradient",  # 渐变色的名字        [(0, 0, 0, shadow_alpha), (0, 0, 0, 0)]  # 定义渐变色    )

bottom_shadow = np.zeros(len(x_positions))  # 用于记录每个柱子阴影的起始高度    for factor in (order):  # 遍历绘图        values = data_dict[factor]  # 获取当前因子的数据值        for i, (x_pos, height) in enumerate(zip(x_positions, values)):  # 遍历每个柱子的位置和高度            if height > 0:  # 如果高度大于0，才绘制                # 调用前面定义的函数来绘制渐变阴影                gradient_bar(                    ax,  # 指定要在哪个子图上进行绘制                    x=x_pos + shadow_offset,  # X轴起始位置                    y=bottom_shadow[i],  # Y轴起始位置                    width=shadow_width,  # 渐变矩形的宽度                    height=height,  # 渐变矩形的高度                    cmap=shadow_cmap  # 颜色映射                )        bottom_shadow += values  # 更新阴影的底部位置，为下一个因子的阴影做准备

 for factor in (order):  # 遍历因子绘图        # 绘制条形图        ax.bar(            x_positions,  # X轴位置            values,  # 高度            bottom=bottom_main,  # Y轴起始位置            label=factor,  # 该组条形的名称，用于图例显示            color=colors[factor],  # 填充颜色            width=0.7,  # 宽度            edgecolor='white',  # 边框颜色            linewidth=3,  # 边框的线宽            zorder=2        )        bottom_main += values  # 更新主数据柱子的底部位置，为下一个因子做准备

    ax.grid(axis='y', linestyle='-', color='gray', alpha=0.6, zorder=0)  # 添加Y轴方向的水平网格线    ax.legend(ncol=4, loc='lower center', bbox_to_anchor=(0.35, 1.05), frameon=False, fontsize=14)  # 设置图例    ax.set_ylabel('Terrain Factor Dimensionality', fontsize=14)  # y轴标题    ax.set_ylim(0, 7)  # y轴范围    ax.set_yticks(np.arange(0, 8, 1))  # y轴刻度标注    ax.set_xticks(x_positions)  # 设置X轴主刻度的位置    ax.set_xticklabels(season_labels * len(climate_labels), fontsize=12,rotation=90)  # 设置X轴主刻度的标注    ax.tick_params(axis='x', which='major', length=0)  # 去掉x轴主刻度线    ax.tick_params(axis='y', length=0)  # 去掉y轴主刻度线    ax.set_xlabel('')  # 不设置x轴标题    # 遍历分组类别    for i, climate in enumerate(climate_labels):        pos = i * len(season_labels) + (len(season_labels) - 1) / 2.0  # 每个分组标注的中心位置        ax.text(pos, -0.8, climate, ha='center', va='top', fontsize=14)  # 添加标注    plt.subplots_adjust(bottom=0.15)  # 调整子图的底部边距，放置显示不全    separator_positions = [i * len(season_labels) - 0.5 for i in range(0, len(climate_labels) + 1)]  # 计算分隔线的位置    ax.set_xticks(separator_positions, minor=True)  # 将这些位置设置为X轴的次刻度    ax.tick_params(axis='x', which='minor', direction='out', length=60, width=1, color='gray')  # 设置分隔线的样式    # 去掉顶部、右侧和左侧的图框    ax.spines['top'].set_visible(False)    ax.spines['right'].set_visible(False)    ax.spines['left'].set_visible(False)    ax.text(-0.05, 1.0, 'f', transform=ax.transAxes, fontsize=20, fontweight='bold', va='top')  # 添加小标题

# =========================================================================================# ====================================4.执行部分========================================# =========================================================================================if __name__ == "__main__":    excel_filename = r'data.xlsx'  # 原始数据的路径    df = pd.read_excel(excel_filename, index_col=[0, 1])  # 读取数据    legend_order = list(df.columns)      climates = list(df.index.get_level_values(0).unique())      seasons = list(df.index.get_level_values(1).unique())     data_from_excel = {col: df[col].to_numpy() for col in df.columns}     #调用绘图函数    create_and_save_plot(        data_dict=data_from_excel,          order=legend_order,          colors=selected_colors,          climate_labels=climates,         season_labels=seasons,     )

selected_scheme = 20 

2.定义绘图结果的保存路径：

plt.savefig(fr"{selected_scheme}.png", dpi=300, bbox_inches='tight')plt.savefig(fr"{selected_scheme}.pdf", bbox_inches='tight')

excel_filename = r'data.xlsx' 

4.定义x轴第一层的数据：

climates = list(df.index.get_level_values(0).unique())  #x轴第一层

seasons = list(df.index.get_level_values(1).unique())  #x轴第二层