期刊图片复现|Python绘制带有边缘数据分布图的分组线性拟合图

# =========================================================================================# ====================================== 1. 环境设置 =======================================# =========================================================================================import matplotlib.pyplot as pltimport matplotlib.colors as mcolorsimport numpy as npimport pandas as pd

# =========================================================================================# ======================================2.颜色库=======================================# =========================================================================================COLOR_SCHEMES = {    1: ['#7BACD6', '#B2A1C7', '#C9BC9C', '#D48686'],}

# =========================================================================================# ======================================4.绘图函数=======================================# =========================================================================================def plot_advanced_forest_chart(df, scheme_id):    selected_hex_colors = COLOR_SCHEMES[scheme_id]  # 获取配色方案    groups = df['Group'].unique().tolist()  # 获取所有的组别    # 构建各组别颜色字典    colors = {        # 为每个分组指定颜色        group: {            'line': selected_hex_colors[i % len(selected_hex_colors)],  # 线条颜色            'fill': selected_hex_colors[i % len(selected_hex_colors)],  # 柱子填充颜色            'point': selected_hex_colors[i % len(selected_hex_colors)],  # 散点颜色            'edge': darken_color(selected_hex_colors[i % len(selected_hex_colors)])  # 散点边缘颜色        }        for i, group in enumerate(groups)  # 遍历每个分组提取颜色    }    fill_palette = {k: v['fill'] for k, v in colors.items()}  # 提取填充颜色构建seaborn调色板

    # 创建画布    fig = plt.figure(figsize=(8, 7.5), dpi=300)    # 网格布局    gs = fig.add_gridspec(        2,  # 行        2,  # 列        width_ratios=[5, 1],  # 宽占比        height_ratios=[1, 5],  # 高占比        wspace=0.015,  # 水平间距        hspace=0.015  # 垂直间距    )    ax_joint = fig.add_subplot(gs[1, 0])  # 左下角散点图    ax_top = fig.add_subplot(gs[0, 0], sharex=ax_joint)  # 顶部直方图    ax_right = fig.add_subplot(gs[1, 1], sharey=ax_joint)  # 右侧直方图

    # 绘制顶部直方图    sns.histplot(        data=df,  # 数据        x='GST',  # X轴数据        hue='Group',  # 按组别着色    )    ax_top_kde = ax_top.twinx()  # 创建顶部副Y轴用于KDE曲线    # 遍历各组别    for g in colors.keys():        # 绘制密度曲线        sns.kdeplot(            data=df[df['Group'] == g],  # 数据            x='GST',  # X轴变量        )    ax_top.axis('off')  # 隐藏顶部直方图坐标轴    ax_top_kde.axis('off')  # 隐藏顶部密度曲线坐标轴

    #x轴标题    ax_joint.set_xlabel('GST',  # 文本                        fontsize=14,  # 字号                        fontweight='bold',  # 加粗                        labelpad=8)  # 边距    ax_joint.tick_params(axis='both',  # 轴                         which='major',  # 主刻度                         labelsize=12,  # 字号                         width=1.5,  # 刻度线宽                         length=6,  # 刻度线长                         direction='out')  # 朝外

# =========================================================================================# ======================================5.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, scheme_id)

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

2.设置要使用的数据，执行部分：

for g in df_real['Group'].unique():        g_data = df_real[df_real['Group'] == g]  # 提取数据子集        X = g_data[['GST']]  # 提取X        y = g_data['LST']  # 提取Y

plot_all = True

4.设置绘图结果的保存地址，绘图函数部分：

plt.savefig(fr'scheme_{scheme_id}.png', dpi=300,bbox_inches='tight')