【科研绘图系列】python绘制论文图

介绍

这段代码使用Python的Pandas、Numpy和Matplotlib库，对气温数据和健康风险数据进行了可视化分析。代码的主要目的是通过图表展示全球变暖对气温的影响，以及气温变化对健康风险（特别是睡眠呼吸暂停综合征，OSA）的影响。以下是代码的详细介绍：

数据读取

代码首先从CSV文件中读取了两组数据：

1. wdatemp
   ：包含2023年的气温数据和1950-1990年的历史气温数据。
2. wsalogit
   ：包含气温与OSA风险比（Risk Ratio, RR）的关系数据。

设置Matplotlib样式

plt.style.use('nature.mplstyle')：这行代码设置了Matplotlib的绘图样式，使用了nature.mplstyle样式表。这种样式表通常用于科学出版物，能够使图表看起来更加专业和美观。

绘制气温对比图

代码创建了一个包含两个子图的图表：

1. 第一个子图（ax）：

• 绘制了2023年的平均气温（t2m_mean）和1950-1990年的历史气温（t2m_historical）随时间（day_of_year）的变化。
• 使用ax.plot函数绘制了两条曲线，分别表示2023年的气温和历史气温。
• 使用ax.fill_between函数填充了两条曲线之间的区域，表示全球变暖的影响。
• 设置了X轴的刻度标签，使其显示月份名称。
• 隐藏了图表的边框和刻度，使图表更加简洁。
• 添加了网格线和图例，以便更好地理解图表内容。

2. 第二个子图（ax2）：

• 绘制了气温与OSA风险比（RR）的关系曲线。
• 使用ax2.plot函数绘制了气温与RR的关系曲线。
• 使用ax2.fill_between函数填充了置信区间，表示RR的不确定性范围。
• 隐藏了图表的边框和刻度，使图表更加简洁。
• 添加了网格线和图例，以便更好地理解图表内容。

图表展示

最后，代码使用plt.show()函数展示了绘制的图表。通过这两个子图，可以直观地看到全球变暖对气温的影响，以及气温变化对OSA风险的影响。

加载python包

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltplt.style.use('nature.mplstyle')

导入数据

wdatemp = pd.read_csv('metadata/figure1a.csv')

画图

fig,(ax,ax2)= plt.subplots(1,2)ax.plot(wdatemp['day_of_year'].values, wdatemp['t2m_mean'].values-273.15, label='2023', color='k', alpha=1)ax.plot(wdatemp['day_of_year'].values, wdatemp['t2m_historical'].values, label='1950 to 1990',         linestyle='--', color='r', alpha=0.5)y2 = wdatemp['t2m_mean'].values-273.15y1 = wdatemp['t2m_historical'].valuesax.fill_between(x=wdatemp['day_of_year'].values, y1 = y1,                 y2 = y2, where=y2 >= y1, alpha=0.2, color='k', label='Global warming')ax.set_xticks(np.linspace(0,365,13)[:-1]+15,('Jan',' ','March',' ','May',' ','July',' ','Sep',' ','Nov',' '))ax.grid()ax.legend(loc='upper left')ax.spines.right.set_visible(False)ax.spines.top.set_visible(False)ax.spines.bottom.set_visible(False)ax.spines.left.set_visible(False)ax.tick_params(# changes apply to the x-axis    which='both',# both major and minor ticks are affected    bottom=False,# ticks along the bottom edge are off    top=False,# ticks along the top edge are off    left=False,)ax.set_ylabel('Temperature (C)')wsalogit = pd.read_csv('metadata/figure1b.csv')ax2.plot(wsalogit['xvar'].values, wsalogit['est'].values, color='#606c38', label='WSA')ax2.fill_between(wsalogit['xvar'].values, y1=wsalogit['lb'].values, y2=wsalogit['hb'].values, color='#606c38',                      alpha=0.2)ax2.grid()ax2.legend(loc='upper left')ax2.spines.right.set_visible(False)ax2.spines.top.set_visible(False)ax2.spines.bottom.set_visible(False)ax2.spines.left.set_visible(False)ax2.tick_params(# changes apply to the x-axis    which='both',# both major and minor ticks are affected    bottom=False,# ticks along the bottom edge are off    top=False,# ticks along the top edge are off    left=False,)ax2.set_xlabel('Temperature (C)')ax2.set_ylabel('Risk ratio of OSA')plt.show()

总结

这段代码通过Python的Pandas、Numpy和Matplotlib库，对气温数据和健康风险数据进行了可视化分析。代码的主要目的是通过图表展示全球变暖对气温的影响，以及气温变化对健康风险（特别是睡眠呼吸暂停综合征，OSA）的影响。代码分为以下几个主要部分：

1. 数据读取
   ：从CSV文件中读取了2023年的气温数据、历史气温数据和气温与OSA风险比的关系数据。
2. 设置Matplotlib样式
   ：使用了nature.mplstyle样式表，使图表看起来更加专业和美观。
3. 绘制气温对比图
   ：创建了一个包含两个子图的图表，分别展示了2023年的气温与历史气温的对比，以及气温与OSA风险比的关系。
4. 图表展示
   ：通过隐藏边框、刻度和添加网格线、图例等操作，使图表更加简洁和易于理解。

整体而言，这段代码提供了一个清晰的框架，用于展示气温变化对健康风险的影响，有助于科学地评估全球变暖对人类健康的潜在影响。

数据下载

通过网盘分享的文件：211.python论文绘图

• 百度网盘链接:https://pan.baidu.com/s/1HyHLt4TV1RjxH3sFrJOjGw
• 提取码:psta