python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > Python绘制图表

使用Python绘制三类论文级图表(分组柱状图、双轴折线图与多面板图)

作者：Laurentianelle

这篇文章主要为大家详细介绍了如何使用Python绘制三类论文级图表,包括分组柱状图、双轴折线图与多面板图,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下

用 Python 画三类论文级图表：分组柱状图、双轴折线图与多面板图（解决中文乱码）

在做区域经济差异分析时，常见的问题不是“不会算指标”，而是图画得不规范：

这篇文章用一个完整示例，演示如何用 Python 画出三类常见的论文图表：

  1. 分组柱状图（对比变异系数）
  2. 双轴折线图（绝对差异 + 相对差异）
  3. 多面板图（四类指标统一展示）

并同时解决中文显示问题。

一、中文显示与期刊风格配置（核心）

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei', 'SimHei', 'Times New Roman']
plt.rcParams['axes.unicode_minus'] = False

plt.rcParams['figure.dpi'] = 300
plt.rcParams['savefig.dpi'] = 300
plt.rcParams['axes.linewidth'] = 1.2
plt.rcParams['grid.linewidth'] = 0.8

plt.rcParams['font.size'] = 10
plt.rcParams['axes.labelsize'] = 12

这一步主要解决三个问题：

二、数据结构设计

df = pd.DataFrame(data)
years = ['2007年', '2015年', '2024年']
indicators = ['Agdp', 'urban', 'country', 'urb']

采用“长表结构”，方便按“年份 + 指标”筛选数据：

df[(df['年份']==y) & (df['指标']==ind)]

这种结构特别适合多指标对比绘图。

三、图1：分组柱状图（变异系数对比）

核心代码

for i, ind in enumerate(indicators):
    cv_vals = [...]
    ax.bar(...)

    wcv_vals = [...]
    ax.bar(..., hatch='///')

图表特点

优点

四、图2：双轴折线图（绝对差异 + 相对差异）

核心代码

ax1 = plt.subplots()[1]
ax2 = ax1.twinx()

ax1.plot(...)  # 左轴：绝对离差
ax2.plot(...)  # 右轴：变异系数

图表逻辑

为什么要双轴？

因为两个指标量纲不同，如果放在同一坐标轴：

双轴是处理这种问题的标准方法。

五、图3：多面板图（四类指标统一展示）

核心代码

fig, axes = plt.subplots(2, 2)

for coef in coefs:
    ax.plot(...)

展示内容

四个子图分别展示：

优点

六、关键绘图细节

1. 去掉多余边框

ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)

让图更简洁。

2. 添加网格线

ax.grid(axis='y', linestyle='--', alpha=0.6)

增强可读性，但不过度干扰。

3. 数值标注

ax.text(..., f'{value:.3f}')

提高信息表达能力。

七、完整代码（可直接运行）

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import warnings
warnings.filterwarnings('ignore')

# ================= 中文 + 期刊风格 =================
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei', 'SimHei', 'Times New Roman']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['figure.dpi'] = 300
plt.rcParams['savefig.dpi'] = 300

colors = {
    'Agdp': '#2E86AB',
    'urban': '#A23B72',
    'country': '#F18F01',
    'urb': '#C73E1D'
}

coef_colors = {
    '相对平均离差': '#2E86AB',
    '加权平均离差': '#4A90E2',
    '变异系数': '#F18F01',
    '加权变异系数(威廉姆森系数)': '#C73E1D'
}

# ================= 数据 =================
data = {
    '年份': ['2007年','2007年','2007年','2007年',
           '2015年','2015年','2015年','2015年',
           '2024年','2024年','2024年','2024年'],
    '指标': ['Agdp','urban','country','urb']*3,
    '相对平均离差': [22480.4,6234.2,2933.7,0.624,5.9,10181.1,9323,0.87,12.99,15031.3,17943.5,0.81],
    '加权平均离差': [23643.5,5540.9,3768.7,0.523,6.78,11957.6,10605.7,0.98,13.01,14938.9,19725.8,0.86],
    '变异系数': [0.733,0.411,0.526,0.500,0.586,0.264,0.805,0.814,0.856,0.222,0.808,0.81],
    '加权变异系数(威廉姆森系数)': [0.732,0.390,0.576,0.442,0.635,0.298,0.877,0.879,0.802,0.219,0.847,0.83]
}

df = pd.DataFrame(data)
years = ['2007年','2015年','2024年']
indicators = ['Agdp','urban','country','urb']

# ================= 图1：分组柱状图 =================
fig, ax = plt.subplots(figsize=(10,6))
bar_width = 0.18
x = np.arange(len(years))

for i, ind in enumerate(indicators):
    cv_vals = [df[(df['年份']==y)&(df['指标']==ind)]['变异系数'].values[0] for y in years]
    ax.bar(x+(i-1.5)*bar_width, cv_vals, width=bar_width,
           label=f'{ind}(CV)', color=colors[ind])

ax.set_title('变异系数分组柱状图')
ax.set_xticks(x)
ax.set_xticklabels(years)
ax.legend()
ax.grid(axis='y', linestyle='--', alpha=0.6)

plt.tight_layout()
plt.savefig('图1_柱状图.png')
plt.close()

# ================= 图2：双轴折线图 =================
fig, ax1 = plt.subplots(figsize=(10,6))
ax2 = ax1.twinx()

country_data = df[df['指标']=='country']

# 左轴
ax1.plot(years, country_data['相对平均离差'],
         marker='o', label='相对平均离差',
         color=coef_colors['相对平均离差'])

ax1.plot(years, country_data['加权平均离差'],
         marker='s', label='加权平均离差',
         color=coef_colors['加权平均离差'])

# 右轴
ax2.plot(years, country_data['变异系数'],
         marker='^', linestyle='--',
         label='变异系数',
         color=coef_colors['变异系数'])

ax2.plot(years, country_data['加权变异系数(威廉姆森系数)'],
         marker='*', linestyle='--',
         label='加权变异系数',
         color=coef_colors['加权变异系数(威廉姆森系数)'])

# 图例合并
lines1, labels1 = ax1.get_legend_handles_labels()
lines2, labels2 = ax2.get_legend_handles_labels()
ax1.legend(lines1+lines2, labels1+labels2)

ax1.set_title('农村收入差异双轴折线图')
ax1.set_xlabel('年份')

plt.tight_layout()
plt.savefig('图2_双轴折线图.png')
plt.close()

# ================= 图3：多面板图 =================
fig, axes = plt.subplots(2, 2, figsize=(12,8))
axes = axes.flatten()

coefs = ['相对平均离差','加权平均离差','变异系数','加权变异系数(威廉姆森系数)']

for idx, coef in enumerate(coefs):
    ax = axes[idx]
    for ind in indicators:
        vals = [df[(df['年份']==y)&(df['指标']==ind)][coef].values[0] for y in years]
        ax.plot(years, vals, marker='o', label=ind, color=colors[ind])

    ax.set_title(coef)
    ax.grid(axis='y', linestyle='--', alpha=0.6)

axes[-1].legend()
plt.tight_layout()
plt.savefig('图3_面板图.png')
plt.close()

print("图已生成：柱状图 / 双轴图 / 面板图")

输出结果

运行后会生成三张图：

图1：变异系数分组柱状图
图2：农村收入双轴折线图
图3：四类指标面板图

到此这篇关于使用Python绘制三类论文级图表(分组柱状图、双轴折线图与多面板图)的文章就介绍到这了,更多相关Python绘制图表内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:
阅读全文