期刊图片复现|Python绘制百分比堆叠图+内嵌饼图+箱线图组合图

# =========================================================================================# ====================================== 1. 库的导入 =========================================# =========================================================================================import matplotlib.pyplot as pltimport numpy as npimport pandas as pdimport matplotlib.gridspec as gridspecfrom matplotlib.patches import Rectangleimport matplotlibplt.rcParams['font.family'] = 'serif'plt.rcParams['font.serif'] = ['Times New Roman']matplotlib.rcParams['pdf.fonttype'] = 42matplotlib.rcParams['ps.fonttype'] = 42

# =========================================================================================# ====================================== 2.颜色库=========================================# =========================================================================================COLOR_SCHEMES = {    1: ['#7b97c3', '#e8a97d', '#f7e193', '#e9a7b9', '#92b995'],}

# =========================================================================================# ======================================3.内嵌的3D饼图绘制函数=========================================# =========================================================================================def draw_3d_pie(parent_ax, data, palette, title="Global"):    explode = [0.08] * len(data)  #饼图分裂效果    start_angle = -240  #绘制的起始角度    aspect_ratio = 0.5  #纵横比    thickness_factor = 0.01  #每一层饼图的厚度因子    for i in range(1, 35):  #循环绘制34次饼图，模拟3D厚度        ax_pie.pie(data,  #数据                   colors=palette,  #颜色                   explode=explode,  #分裂属性                   startangle=start_angle,  #起始角度                   radius=1.0,  #半径                   counterclock=False,  #顺时针绘制                   center=(0, -i * thickness_factor),  #向下移动中心点以模拟厚度堆叠                   wedgeprops={'alpha': 1, 'edgecolor': 'none'})  #不透明且无边框    _, _, autotexts = ax_pie.pie(data,  #绘制最顶层的饼图                                 colors=palette,  #颜色                                 explode=explode,  #分裂属性                                 startangle=start_angle,  #起始角度                                 autopct='%1.1f%%',  #百分比显示格式                                 pctdistance=0.7,  #百分比标签距离圆心的距离                                 counterclock=False,  #顺时针绘制                                 radius=1.0,  #半径                                 wedgeprops={'linewidth': 2.5, 'edgecolor': 'white'})  #扇形边缘为白色细线    for text in autotexts:        text.set_fontsize(18)  #设置所有百分比文本的字体大小    # 创建一个矩形对象作为外框    rect = Rectangle((-1.25, -1.8),  #左下角坐标                     2.4,  #宽度                     3.5,  #高度                     fill=False,  #不填充颜色                     edgecolor='black',  #边框颜色                     linewidth=2,  #边框线宽                     transform=ax_pie.transData,  #坐标系                     clip_on=False)  #允许矩形超出坐标轴边界显示    ax_pie.add_patch(rect)  #将矩形添加到饼图坐标轴中    #设置标题文本    ax_pie.text(-1.2,  # X坐标                2.45 * aspect_ratio,  #Y坐标（                title,  #内容                fontweight='bold',  #字体加粗                fontsize=20,  #字体大小                transform=ax_pie.transData)  #坐标系    ax_pie.set_aspect(aspect_ratio)  #应用纵横比设置    ax_pie.axis('off')  #隐藏刻度和边框

# =========================================================================================# ====================================== 4. 主图绘制函数 =========================================# =========================================================================================def plot_analysis_by_scheme(scheme_id):    current_colors = COLOR_SCHEMES[scheme_id]  #获取颜色方案    fig = plt.figure(figsize=(24, 20), dpi=120)  # 创建画布    a_left, a_right = 0.02, 0.70  #区域A（左侧）的左右边界位置比例    b_left, b_right = 0.71, 0.98  #区域B（右侧）的左右边界位置比例    title_h = 0.045  #标题栏的高度比例    top_y = 1.05  #顶部的Y坐标基准    # 设置左侧大标题的X坐标（居中）    fig.text((a_left + a_right) / 2,  #X坐标             top_y + title_h / 2,  #Y坐标             "(A) Global & TOP 10 countries",  #内容             ha='center',  #水平居中             va='center',  #垂直居中             fontsize=30,  #字体大小             fontweight='bold',  #字体加粗             )    # 设置右侧大标题的X坐标    fig.text((b_left + b_right) / 2,  #X坐标             top_y + title_h / 2,  #Y坐标             "(B) Sectors",  #标题文本             ha='center',  #水平对齐             va='center',  #垂直对齐             fontsize=30,  #字体大小             fontweight='bold',  #加粗             )    #创建大外框矩形    main_border = Rectangle((a_left, 0.01),                            b_right - a_left,  #宽度                            top_y + title_h - 0.05,  #高度                            transform=fig.transFigure,  #使用图形坐标系                            fill=False,  #不填充                            edgecolor='black',  #黑色边框                            linewidth=4,  #线宽                            zorder=10)    fig.patches.append(main_border)  #添加外框到图形

    # 创建网格布局    gs = gridspec.GridSpec(4,  #行                           3,  #列                           figure=fig,  #归属于当前figure                           width_ratios=[1, 1, 0.8],  #列宽比例                           left=0.07,  #左边距                           right=0.975,  #右边距                           bottom=0.06,  #下边距                           top=top_y - 0.035,  #上边距                           wspace=0.15,  #子图水平间距                           hspace=0.15)  #子图垂直间距    years = [1990, 1995, 2000, 2005, 2010, 2015, 2020]  #分析的年份列表    for i, year in enumerate(years):  #遍历每一年份进行绘图        row, col = divmod(i, 2)  #计算当前年份对应的网格行和列索引        ax = fig.add_subplot(gs[row, col])  #在指定网格位置添加子图        df = df_stacked[df_stacked['Year'] == year].sort_values('Total')  #筛选当年数据并按总值排序        for s_idx, s in enumerate(sectors):            # 绘制水平条形图            ax.barh(df['Country'],  #Y轴                    df[s],  # X轴                    left=left_vals,  #条形的起始位置                    color=current_colors[s_idx],  #颜色                    height=0.7)  #条形高度            left_vals += df[s]  #更新左侧位置，为下一层堆叠做准备        current_max = df['Total'].max()  #获取当前数据的最大总值        ax.set_xlim(0, current_max * 1.3)  #设置X轴范围         #设置子图标题        ax.set_title(f"({chr(97 + i)}) {year}",  #自动生成a, b, c序号                     loc='left',  #左对齐                     fontsize=26,  #字体大小                     fontweight='bold',  #加粗                     pad=8)  #标题与图表的间距        ax.spines[['top', 'right']].set_visible(False)  #隐藏顶部和右侧的边框轴        ax.tick_params(direction='in',  #刻度线向内                       labelsize=24)  #刻度标签字体大小        ax.set_xlabel('(Mt)',  #X轴标签                      loc='right',  #右                      fontsize=24)  #字体大小        for spine in ax.spines.values():  # 遍历所有边框轴            spine.set_linewidth(3)  #设置边框线        draw_3d_pie(ax, global_shares, current_colors)  #调用函数在当前子图中绘制3D饼图

    #在原有网格的第3列中创建嵌套网格    gs_right = gridspec.GridSpecFromSubplotSpec(5,  #行                                                1,  #列                                                subplot_spec=gs[:, 2],  #指定放置在gs的第3列所有行区域                                                hspace=0.35)  #垂直间距    #遍历绘制右侧图表    for i, sector_name inenumerate(sectors):        ax_b = fig.add_subplot(gs_right[i])  #添加子图到右侧嵌套网格        target_years = [1990, 2000, 2010, 2020]  #定义右侧图表显示的特定年份        color_b = current_colors[i]  #颜色        ax_b.set_title(sector_name,  #子图标题                       loc='right',  #右对齐                       fontsize=26,  #字体大小                       pad=12)  #间距        sector_data = df_scatter[df_scatter['Sector'] == sector_name]  #筛选数据        for j, yr inenumerate(target_years):  #遍历特定年份绘制箱型图元素            vals = sector_data[sector_data['Year'] == yr]['Value'].values  #获取当年数值            iflen(vals) == 0: continue  #如果无数据则跳过            q1, median, q3 = np.percentile(vals, [25, 50, 75])  #计算四分位数和中位数            low, high = np.min(vals), np.max(vals)  #获取最小值和最大值            box_w = 2.5  #设置箱体的一半宽度            rect = Rectangle((yr - box_w, q1),  #创建箱体矩形                             box_w,  #宽度                             q3 - q1,  #高度                             facecolor='none',  #无填充颜色                             edgecolor=color_b,  #边框颜色                             lw=3)  #线宽            ax_b.plot(                [yr, yr],  #上须竖线X坐标                [q3, high],  #上须竖线Y坐标                color=color_b,  #颜色                lw=3)  #线宽            ax_b.plot(                [yr - box_w, yr],  #最大值横线X坐标                      [high, high],  #最大值横线Y坐标                      color=color_b,  #颜色                      lw=3)  #线宽            ax_b.plot(                [yr, yr],  # 下须竖线X坐标                      [q1, low],  #下须竖线Y坐标                      color=color_b,  #颜色                      lw=3)  #线宽            ax_b.plot(                [yr - box_w, yr],  #最小值横线X坐标                      [low, low],  #最小值横线Y坐标                      color=color_b,  #颜色                      lw=3)  #线宽            for spine in ax_b.spines.values():  #遍历边框                spine.set_linewidth(3)  #设置边框线宽            x_jitter = yr + np.random.uniform(1,  #生成散点图的X轴随机抖动                                              1.5,  #抖动范围                                              size=len(vals))  #数量            ax_b.scatter(x_jitter,  #散点图X坐标                         vals,  #Y坐标                         s=14,  #点的大小                         color=color_b,  #颜色                         marker='x',  #标记形状                         alpha=0.8,  #透明度                         lw=3)  #线宽            ax_b.scatter(yr,  #均值点X坐标                         np.mean(vals),  #均值点Y坐标                         color='black',  #颜色                         s=25,  #点的大小                         zorder=5)        ax_b.set_xticks(target_years)  #设置X轴刻度        ax_b.yaxis.set_major_formatter(plt.FuncFormatter(lambda y, _: f'{y:.0%}'))  #设置Y轴标签格式        ax_b.tick_params(direction='in',  #刻度向内                         labelsize=24)  #刻度字体大小

    #分隔线    ax_sep = plt.Line2D([b_left - 0.005, b_left - 0.005],  #设置X坐标                        [0.01, top_y + title_h - 0.05],  #Y坐标                        transform=fig.transFigure,  #使用图形坐标系                        color='black',  #黑色                        linestyle='--',  #样式                        linewidth=4,  #线宽                        zorder=11)    fig.lines.append(ax_sep)  #添加线条到图形    fig.legend(handles,  #图例句柄               sectors,  #图例文本               loc='upper left',  #图例位置               bbox_to_anchor=(0.38, 0.28),  #位置               ncol=1,  #列数               frameon=False,  #不显示图例边框               fontsize=36,  #字体大小               title="Legend",  #图例标题               title_fontproperties={'weight': 'bold', 'size': 42},#图例标题属性               alignment='left')  #图例标题相对位置    #保存    save_png_path = r"plot_scheme_{}.png".format(scheme_id)    save_pdf_path = r"plot_scheme_{}.pdf".format(scheme_id)    plt.savefig(save_png_path, dpi=300, bbox_inches='tight')    plt.savefig(save_pdf_path, bbox_inches='tight')

# =========================================================================================# ======================================5.执行部分=========================================# =========================================================================================if __name__ == "__main__":    file_path = r"data.xlsx"  #文件路径    df_stacked = pd.read_excel(file_path, sheet_name='StackedBarData')  #读取堆叠柱状图数据    df_scatter = pd.read_excel(file_path, sheet_name='SectorDistribution')  #读取散点图数据    sectors = ['Power Industry', 'Building', 'Transport', 'Other Industrial Combustion', 'Other Sectors']  # 定义分区    scheme_index = 20 #颜色方案ID    plot_analysis_by_scheme(scheme_index)  #调用主绘图函数

file_path = r"data.xlsx"  #文件路径

2.设置要读取的指定表的数据：

df_stacked = pd.read_excel(file_path, sheet_name='StackedBarData')df_scatter = pd.read_excel(file_path, sheet_name='SectorDistribution')

sectors = ['Power Industry', 'Building', 'Transport', 'Other Industrial Combustion', 'Other Sectors']

4.设置颜色方案：

scheme_index = 20 #选择颜色方案ID

save_png_path = r"plot_scheme_{}.png".format(scheme_id)save_pdf_path = r"plot_scheme_{}.pdf".format(scheme_id)