【代码复刻】SCI论文分组柱状图代码复刻

介绍

上图表示2000年，2010年，2020年，2030年以及2040年的土地利用分类变化统计图，带有误差棒，线性拟合为建设用地的变化情况。

代码如下

# 导入绘图库
import matplotlib.pyplot as plt
import numpy as np

# 设置全局的字体大小和样式
plt.rcParams["font.size"] = 12
plt.rcParams["font.family"] = "Arial"
plt.figure(figsize=(10,6), dpi=300)

# 设置数据
year = np.array([2000, 2010, 2020, 2030, 2040]) # 年份
arable = np.array([1000, 900, 800, 700, 600]) # 耕地面积
wood = np.array([800, 700, 600, 500, 400]) # 林地面积
grass = np.array([600, 500, 400, 300, 200]) # 草地面积
water = np.array([400, 400, 400, 400, 400]) # 水域面积
urban = np.array([200, 300, 400, 500, 600]) # 城市用地面积

# 设置误差棒的值，这里假设为10%的标准差
arable_err = arable * 0.1
wood_err = wood * 0.1
grass_err = grass * 0.1
water_err = water * 0.1
urban_err = urban * 0.1

# 设置柱子的宽度和颜色
bar_width = 1
colors = ["#ed7d31", "#ffc000", "#70ad46", "#9e480d", "#987300"]

# 去除外边框
plt.box(False)

# 设置标题，横轴和纵轴的标签，图例的位置，刻度的范围和间隔，网格的样式
plt.title("Fig.3. Statistics of LULC changes")
plt.xlabel("Year")
plt.ylabel("Area (km^2)")
plt.legend(loc="upper center", bbox_to_anchor=(0.5,-0.15), ncol=6) # 将图例位置还原到下方中间，并设置三列显示
plt.xticks(np.arange(2000 , 2050 , step=10))
plt.yticks(np.arange(0 , 1200 , step=200))
plt.grid(axis="y" , linestyle="--",zorder=0)# 将网格线放置在最底层

# 绘制分组柱状图，每个柱子都有标签
plt.bar(year - bar_width * 4, arable, width=bar_width, color=colors[0], label="Arable land") # 增加横轴的偏移量
plt.bar(year - bar_width * 2.5, wood, width=bar_width, color=colors[1], label="Wood land")
plt.bar(year - bar_width * 1 , grass , width=bar_width , color=colors[2] , label="Grass land")
plt.bar(year + bar_width * 0.5 , water , width=bar_width , color=colors[3] , label="Water body")
plt.bar(year + bar_width * 2 , urban , width=bar_width , color=colors[4] , label="Urban land")

# 绘制误差棒，使用黑色的竖线和横线，并设置透明度为0.5
plt.errorbar(year - bar_width * 4 , arable , yerr=arable_err , fmt="none" , ecolor="black" , elinewidth=1 , capsize=3 , alpha=0.5)
plt.errorbar(year - bar_width * 2.5 , wood , yerr=wood_err , fmt="none" , ecolor="black" , elinewidth=1 , capsize=3 , alpha=0.5)
plt.errorbar(year - bar_width * 1 , grass , yerr=grass_err , fmt="none" , ecolor="black" , elinewidth=1 , capsize=3 , alpha=0.5)
plt.errorbar(year + bar_width * 0.5 , water , yerr=water_err , fmt="none" , ecolor="black" , elinewidth=1 , capsize=3 , alpha=0.5)
plt.errorbar(year + bar_width * 2 , urban , yerr=urban_err , fmt="none" , ecolor="black" , elinewidth=1 , capsize=3 , alpha=0.5)

# 绘制城市用地的线性趋势线，使用np.polyfit函数拟合一次多项式，并设置颜色和标签
urban_fit = np.polyfit(year , urban , deg=1)
urban_line = np.poly1d(urban_fit)
plt.plot(year , urban_line(year) , color="#987814" , label="Urban land trend",linestyle="--",alpha=0.5)

# 修改图例的显示顺序
handles, labels = plt.gca().get_legend_handles_labels()
new_order = [1, 2, 3, 4,5,0 ]  # 新的显示顺序，根据需要调整
plt.legend([handles[idx] for idx in new_order], [labels[idx] for idx in new_order], loc="upper center", bbox_to_anchor=(0.5,-0.15), ncol=6)

# 调整子图之间的间距
plt.subplots_adjust(left=0.1, right=0.9, bottom=0.2, top=0.9)

# 保存图片到本地
plt.savefig("LULC.png")

# 显示图片
plt.show()

运行结果

颜色的话是用的Snipate软件进行提取的。这个截图软件很好用，需要的话可以自行下载，也可以从下面方式获取，公众号里面会持续更新一些好看的SCI绘图代码和以下论文笔记，欢迎大家一起交流学习！

感谢大家花时间来阅读本文，小编水平有限，有失误之处请大家斧正！