使用Python繪制三類論文級圖表(分組柱狀圖、雙軸折線圖與多面板圖)

更新時間：2026年05月21日 08:37:11 作者：Laurentianelle

這篇文章主要為大家詳細(xì)介紹了如何使用Python繪制三類論文級圖表,包括分組柱狀圖、雙軸折線圖與多面板圖,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以了解下

一、中文顯示與期刊風(fēng)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

這一步主要解決三個問題：

中文正常顯示（避免亂碼）
負(fù)號正常顯示
圖像達(dá)到論文分辨率（300 dpi）

二、數(shù)據(jù)結(jié)構(gòu)設(shè)計

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

采用“長表結(jié)構(gòu)”，方便按“年份 + 指標(biāo)”篩選數(shù)據(jù)：

df[(df['年份']==y) & (df['指標(biāo)']==ind)]

這種結(jié)構(gòu)特別適合多指標(biāo)對比繪圖。

三、圖1：分組柱狀圖（變異系數(shù)對比）

核心代碼

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

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

圖表特點

實心柱：變異系數(shù)（CV）
斜線填充：加權(quán)變異系數(shù)
同一指標(biāo)使用同一顏色

優(yōu)點

一張圖同時表達(dá)兩個指標(biāo)
黑白打印也能區(qū)分（斜線填充）
符合期刊常見風(fēng)格

四、圖2：雙軸折線圖（絕對差異 + 相對差異）

核心代碼

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

ax1.plot(...)  # 左軸：絕對離差
ax2.plot(...)  # 右軸：變異系數(shù)

圖表邏輯

左軸：絕對差異（單位：元）
右軸：相對差異（無量綱）

為什么要雙軸？

因為兩個指標(biāo)量綱不同，如果放在同一坐標(biāo)軸：

小數(shù)值會被壓縮
圖形失真

雙軸是處理這種問題的標(biāo)準(zhǔn)方法。

五、圖3：多面板圖（四類指標(biāo)統(tǒng)一展示）

核心代碼

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

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

展示內(nèi)容

四個子圖分別展示：

相對平均離差
加權(quán)平均離差
變異系數(shù)
加權(quán)變異系數(shù)

優(yōu)點

一張圖展示四類指標(biāo)
結(jié)構(gòu)清晰
適合論文正文或結(jié)果分析

六、關(guān)鍵繪圖細(xì)節(jié)

1. 去掉多余邊框

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

讓圖更簡潔。

2. 添加網(wǎng)格線

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

增強可讀性，但不過度干擾。

3. 數(shù)值標(biāo)注

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

提高信息表達(dá)能力。

七、完整代碼（可直接運行）

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

# ================= 中文 + 期刊風(fēng)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 = {
    '相對平均離差': '#2E86AB',
    '加權(quán)平均離差': '#4A90E2',
    '變異系數(shù)': '#F18F01',
    '加權(quán)變異系數(shù)(威廉姆森系數(shù))': '#C73E1D'
}

# ================= 數(shù)據(jù) =================
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'],
    '指標(biāo)': ['Agdp','urban','country','urb']*3,
    '相對平均離差': [22480.4,6234.2,2933.7,0.624,5.9,10181.1,9323,0.87,12.99,15031.3,17943.5,0.81],
    '加權(quán)平均離差': [23643.5,5540.9,3768.7,0.523,6.78,11957.6,10605.7,0.98,13.01,14938.9,19725.8,0.86],
    '變異系數(shù)': [0.733,0.411,0.526,0.500,0.586,0.264,0.805,0.814,0.856,0.222,0.808,0.81],
    '加權(quán)變異系數(shù)(威廉姆森系數(shù))': [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']

# ================= 圖1：分組柱狀圖 =================
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['指標(biāo)']==ind)]['變異系數(shù)'].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('變異系數(shù)分組柱狀圖')
ax.set_xticks(x)
ax.set_xticklabels(years)
ax.legend()
ax.grid(axis='y', linestyle='--', alpha=0.6)

plt.tight_layout()
plt.savefig('圖1_柱狀圖.png')
plt.close()

# ================= 圖2：雙軸折線圖 =================
fig, ax1 = plt.subplots(figsize=(10,6))
ax2 = ax1.twinx()

country_data = df[df['指標(biāo)']=='country']

# 左軸
ax1.plot(years, country_data['相對平均離差'],
         marker='o', label='相對平均離差',
         color=coef_colors['相對平均離差'])

ax1.plot(years, country_data['加權(quán)平均離差'],
         marker='s', label='加權(quán)平均離差',
         color=coef_colors['加權(quán)平均離差'])

# 右軸
ax2.plot(years, country_data['變異系數(shù)'],
         marker='^', linestyle='--',
         label='變異系數(shù)',
         color=coef_colors['變異系數(shù)'])

ax2.plot(years, country_data['加權(quán)變異系數(shù)(威廉姆森系數(shù))'],
         marker='*', linestyle='--',
         label='加權(quán)變異系數(shù)',
         color=coef_colors['加權(quán)變異系數(shù)(威廉姆森系數(shù))'])

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

ax1.set_title('農(nóng)村收入差異雙軸折線圖')
ax1.set_xlabel('年份')

plt.tight_layout()
plt.savefig('圖2_雙軸折線圖.png')
plt.close()

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

coefs = ['相對平均離差','加權(quán)平均離差','變異系數(shù)','加權(quán)變異系數(shù)(威廉姆森系數(shù))']

for idx, coef in enumerate(coefs):
    ax = axes[idx]
    for ind in indicators:
        vals = [df[(df['年份']==y)&(df['指標(biāo)']==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('圖3_面板圖.png')
plt.close()

print("圖已生成：柱狀圖 / 雙軸圖 / 面板圖")

輸出結(jié)果

運行后會生成三張圖：