【论文复刻】 堆叠柱状图变形

2024-05-15 11:20

本文主要是介绍【论文复刻】 堆叠柱状图变形,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

复刻了一下这篇论文里的fig4a:Impacts of COVID-19 and fiscal stimuli on global emissions and the Paris Agreement | Nature Climate Change

效果图:

主要步骤:

1. 数据准备:随机赋值

2. 数据处理:计算了一个百分数

3. 图像绘制:(1)绘制变形的堆叠柱状图

                      (2)灵活控制文本位置

                      (3)用箭头突出显示变化

详细代码:着急的直接拖到最后有完整代码

步骤一:导入库包及图片存储路径并设置中文字体为宋体,西文为新罗马(没有的库包要先下好奥)

# 导入库及文件
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import rcParams
# 设置西文字体为新罗马字体,中文宋体
config = {"font.family": 'serif',"font.size": 12,"mathtext.fontset": 'stix',"font.serif": ['SimSun'],}
rcParams.update(config)
rcParams['axes.unicode_minus']=False
###############################################################################

步骤二:前期准备数据

figpath = r'H:/00.csdn/02fig/'# 随机赋值数据
a0 = 140.9
a = np.array([0.3, 0.5, 0.6, 0.4, 0.2])x = range(1, 10, 1)# 计算百分比并进行格式化
proportion1 = a/np.sum(a)*100
proportion1 =['{:.2f}%'.format(i) for i in proportion1]# 文本标签
proportion2 = ['aaaaaaaaaaaa','bbbbbbbbbbbb','cccccccccccc','dddddddddddd','eeeeeeeeeeee','ffffffffffff','gggggggggggg']colors = ['#656565', '#D27D75', '#81BAC8', '#64A99C', '#64A99C', '#A49384']

步骤三:绘制柱状图及其上下文本

###############################################################################
width = 0.8fig = plt.figure(figsize=(8, 8))
ax = fig.add_axes([0.1, 0.25, 0.6, 0.4])# 绘制第一个bar
ax.bar(x[0], a0, width, align='center',  color=colors[0], bottom=0)
ax.text(x[0], 140.1 , 'xxxxxxx', color='w', fontsize=10, rotation=90, horizontalalignment="center")# 绘制第二到五个bar
sum0 = a0
for i in range(0, 5, 1):ax.bar(x[i+1], a[i], width, align='center',  color=colors[i+1], bottom=sum0)sum0 += a[i]if i < 2: ax.text(x[i+1], sum0-a[i]-0.2 , proportion1[i], fontsize=10, rotation=0, horizontalalignment="center")ax.text(x[i+1], sum0+0.1 , proportion2[i], fontsize=10, rotation=90, horizontalalignment="center")elif i >= 2 and i < 5:ax.text(x[i+1], sum0+0.1, proportion1[i], fontsize=10, rotation=0, horizontalalignment="center")ax.text(x[i+1], sum0-a[i]-1.0 , proportion2[i], fontsize=10, rotation=90, horizontalalignment="center")# 添加6 7 文本
ax.text(x[6], sum0-0.5, proportion2[5], fontsize=10, rotation=90, horizontalalignment="center")
ax.text(x[7], sum0-0.5, proportion2[6], fontsize=10, rotation=90, horizontalalignment="center")# 绘制第八个bar
ax.bar(x[8], sum0, width, align='center',  color=colors[0], bottom=0)
ax.text(x[8], 140.1 , 'xxxxxxxxxxxxxxx', color='w', fontsize=10, rotation=90, horizontalalignment="center")

步骤四:设置标题文本,坐标轴信息,及箭头

# 添加标题信息
ax.text(5, 143.5 , 'xxxxxxxxxxx\nyyyyyyyyyyyyyy', color='k', fontsize=10, rotation=0, horizontalalignment="center")# 设置坐标轴信息
ax.set(xlim=(0, 10), xticks=[],ylim=(140, 144), yticks=range(140, 145, 1), yticklabels=range(140, 145, 1), ylabel = 'y轴')# 添加箭头及箭头上方文本
plt.arrow(2,140.2, 6, 0, width=0.01, head_width=0.06, facecolor='gray', edgecolor='gray')
ax.text(5, 140.3 , '+ '+'%3.2f' %((sum0-a0)/a0) + '%', color='k', fontsize=10, rotation=0, horizontalalignment="center")

步骤五:保存图像

###############################################################################
# 保存图像
plt.savefig(figpath+'305 COVID-19 Fig4', dpi=600, bbox_inches = 'tight')
plt.show()

完整代码在这里:

# 导入库及文件
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import rcParams
# 设置西文字体为新罗马字体,中文宋体
config = {"font.family": 'serif',"font.size": 12,"mathtext.fontset": 'stix',"font.serif": ['SimSun'],}
rcParams.update(config)
rcParams['axes.unicode_minus']=False
###############################################################################
figpath = r'H:/00.csdn/02fig/'# 随机赋值数据
a0 = 140.9
a = np.array([0.3, 0.5, 0.6, 0.4, 0.2])x = range(1, 10, 1)# 计算百分比并进行格式化
proportion1 = a/np.sum(a)*100
proportion1 =['{:.2f}%'.format(i) for i in proportion1]# 文本标签
proportion2 = ['aaaaaaaaaaaa','bbbbbbbbbbbb','cccccccccccc','dddddddddddd','eeeeeeeeeeee','ffffffffffff','gggggggggggg']colors = ['#656565', '#D27D75', '#81BAC8', '#64A99C', '#64A99C', '#A49384']
###############################################################################
width = 0.8fig = plt.figure(figsize=(8, 8))
ax = fig.add_axes([0.1, 0.25, 0.6, 0.4])# 绘制第一个bar
ax.bar(x[0], a0, width, align='center',  color=colors[0], bottom=0)
ax.text(x[0], 140.1 , 'xxxxxxx', color='w', fontsize=10, rotation=90, horizontalalignment="center")# 绘制第二到五个bar
sum0 = a0
for i in range(0, 5, 1):ax.bar(x[i+1], a[i], width, align='center',  color=colors[i+1], bottom=sum0)sum0 += a[i]if i < 2: ax.text(x[i+1], sum0-a[i]-0.2 , proportion1[i], fontsize=10, rotation=0, horizontalalignment="center")ax.text(x[i+1], sum0+0.1 , proportion2[i], fontsize=10, rotation=90, horizontalalignment="center")elif i >= 2 and i < 5:ax.text(x[i+1], sum0+0.1, proportion1[i], fontsize=10, rotation=0, horizontalalignment="center")ax.text(x[i+1], sum0-a[i]-1.0 , proportion2[i], fontsize=10, rotation=90, horizontalalignment="center")# 添加6 7 文本
ax.text(x[6], sum0-0.5, proportion2[5], fontsize=10, rotation=90, horizontalalignment="center")
ax.text(x[7], sum0-0.5, proportion2[6], fontsize=10, rotation=90, horizontalalignment="center")# 绘制第八个bar
ax.bar(x[8], sum0, width, align='center',  color=colors[0], bottom=0)
ax.text(x[8], 140.1 , 'xxxxxxxxxxxxxxx', color='w', fontsize=10, rotation=90, horizontalalignment="center")# 添加标题信息
ax.text(5, 143.5 , 'xxxxxxxxxxx\nyyyyyyyyyyyyyy', color='k', fontsize=10, rotation=0, horizontalalignment="center")# 设置坐标轴信息
ax.set(xlim=(0, 10), xticks=[],ylim=(140, 144), yticks=range(140, 145, 1), yticklabels=range(140, 145, 1), ylabel = 'y轴')# 添加箭头及箭头上方文本
plt.arrow(2,140.2, 6, 0, width=0.01, head_width=0.06, facecolor='gray', edgecolor='gray')
ax.text(5, 140.3 , '+ '+'%3.2f' %((sum0-a0)/a0) + '%', color='k', fontsize=10, rotation=0, horizontalalignment="center")
###############################################################################
# 保存图像
plt.savefig(figpath+'305 COVID-19 Fig4', dpi=600, bbox_inches = 'tight')
plt.show()

这篇关于【论文复刻】 堆叠柱状图变形的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/991693

相关文章

csu(背包的变形题)

题目链接 这是一道背包的变形题目。好题呀 题意:给n个怪物,m个人,每个人的魔法消耗和魔法伤害不同,求打死所有怪物所需的魔法 #include<iostream>#include<algorithm>#include<cstring>#include<stack>#include<queue>#include<set>//#include<u>#include<map

hdu3389(阶梯博弈变形)

题意:有n个盒子,编号1----n,每个盒子内有一些小球(可以为空),选择一个盒子A,将A中的若干个球移到B中,满足条件B  < A;(A+B)%2=1;(A+B)%3=0 这是阶梯博弈的变形。 先介绍下阶梯博弈: 在一个阶梯有若干层,每层上放着一些小球,两名选手轮流选择一层上的若干(不能为0)小球从上往下移动,最后一次移动的胜出(最终状态小球都在地面上) 如上图所示,小球数目依次为

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

论文翻译:arxiv-2024 Benchmark Data Contamination of Large Language Models: A Survey

Benchmark Data Contamination of Large Language Models: A Survey https://arxiv.org/abs/2406.04244 大规模语言模型的基准数据污染:一项综述 文章目录 大规模语言模型的基准数据污染:一项综述摘要1 引言 摘要 大规模语言模型(LLMs),如GPT-4、Claude-3和Gemini的快

论文阅读笔记: Segment Anything

文章目录 Segment Anything摘要引言任务模型数据引擎数据集负责任的人工智能 Segment Anything Model图像编码器提示编码器mask解码器解决歧义损失和训练 Segment Anything 论文地址: https://arxiv.org/abs/2304.02643 代码地址:https://github.com/facebookresear

利用matlab bar函数绘制较为复杂的柱状图,并在图中进行适当标注

示例代码和结果如下:小疑问:如何自动选择合适的坐标位置对柱状图的数值大小进行标注?😂 clear; close all;x = 1:3;aa=[28.6321521955954 26.2453660695847 21.69102348512086.93747104431360 6.25442246899816 3.342835958564245.51365061796319 4.87

论文翻译:ICLR-2024 PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS

PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS https://openreview.net/forum?id=KS8mIvetg2 验证测试集污染在黑盒语言模型中 文章目录 验证测试集污染在黑盒语言模型中摘要1 引言 摘要 大型语言模型是在大量互联网数据上训练的,这引发了人们的担忧和猜测,即它们可能已

OmniGlue论文详解(特征匹配)

OmniGlue论文详解(特征匹配) 摘要1. 引言2. 相关工作2.1. 广义局部特征匹配2.2. 稀疏可学习匹配2.3. 半稠密可学习匹配2.4. 与其他图像表示匹配 3. OmniGlue3.1. 模型概述3.2. OmniGlue 细节3.2.1. 特征提取3.2.2. 利用DINOv2构建图形。3.2.3. 信息传播与新的指导3.2.4. 匹配层和损失函数3.2.5. 与Super

BERT 论文逐段精读【论文精读】

BERT: 近 3 年 NLP 最火 CV: 大数据集上的训练好的 NN 模型,提升 CV 任务的性能 —— ImageNet 的 CNN 模型 NLP: BERT 简化了 NLP 任务的训练,提升了 NLP 任务的性能 BERT 如何站在巨人的肩膀上的?使用了哪些 NLP 已有的技术和思想?哪些是 BERT 的创新? 1标题 + 作者 BERT: Pre-trainin

[论文笔记]LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale

引言 今天带来第一篇量化论文LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale笔记。 为了简单,下文中以翻译的口吻记录,比如替换"作者"为"我们"。 大语言模型已被广泛采用,但推理时需要大量的GPU内存。我们开发了一种Int8矩阵乘法的过程,用于Transformer中的前馈和注意力投影层,这可以将推理所需