目录
- 结果对比
- 绘制思路
- 完整代码
- 参考
结果对比
本文复现的这张图是今年发表在Nature Climate Change中的一个散点图。本次复现其中的第一个子图，看起来简单但是纯Python绘制难度较大。完整代码获取方法在文末。
论文原图：
复现结果：
拟合线没画，因为用的模拟数据太差拟合不了啥，需要的再把代码喂给大模型添加一下就行。
绘制思路
这个图就是先按照普通的散点图，再调整一个对数轴，就能画出图的主体。比较有挑战性的部分在于标记的绘制和图例的绘制。
标记：其中的*和+标记，貌似用Matplotlib无法直接绘制（也可以是我没搜到）。且如果直接用text进行添加后续无法统一，所以写了个函数放在了utils文件夹，用于绘制一些自定义标记，需要的时候直接调用即可。
图例：因为这个图的绘制涉及到了多组数据，因此直接使用legend绘制会出现很多个组合。当然也可以通过text一个个添加，但是原因一样，就是没办法统一，而且一个个添加有点麻烦。所以就得结合Line2D创建出新的图例，再添加到legend中。
主要代码如下：
"""
Author: https://github.com/zbhgis
Paper source: https://doi.org/10.1038/s41558-025-02363-5
Paper Figure source: https://www.nature.com/articles/s41558-025-02363-5/figures/5
Last Modified: 2025-12-10
Data: The data used in the code is generated randomly
"""import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import utils
from matplotlib.lines import Line2Ddef create_scatter_plot(ax,csv_path,x_label="RACMO snowmelt (Gt month)",y_label="Monthly surface meltwater\narea total (km²)",
):df = pd.read_csv(csv_path)# 新标记plus_marker = utils.custom_marker("n+")star_marker = utils.custom_marker("n*")month_markers = {"November": plus_marker,"December": "o","January": star_marker,"February": "s",}type_colors = {"EAIS": "#010101","AP": "#D7191B","WAIS": "#2525E6",}# 用于后续调整大小scatter_point_size = 36# 绘制每组数据for (type_, time_), group in df.groupby(["type", "time"]):plt.scatter(group["snowmelt"],group["area total"],marker=month_markers[time_],facecolor="none",s=scatter_point_size,alpha=1,edgecolor=type_colors[type_],linewidth=1,label=f"{type_} ({time_})",)# 添加轴标签与对数变换ax.set_xlabel(x_label)ax.set_ylabel(y_label)ax.set_xscale("log")ax.set_yscale("log")# 设置x轴范围ax.set_xlim(0.031, 100)# 设置y轴范围ax.set_ylim(0.1, 10000)# 设置刻度线ax.tick_params(axis="both", which="both", top=True, right=True, pad=10, direction="in")# 先绘制月份图例legend_elements_month = []for month, marker in month_markers.items():legend_elements_month.append(Line2D([0],[0], # 用于占位marker=marker,color="w", # 隐藏多余线条label=month,markerfacecolor="none", # 不填充markeredgecolor="k",markersize=np.sqrt(4 / 3.14 * scatter_point_size), # 大致转换关系))# 添加在图片中month_legend = ax.legend(handles=legend_elements_month,loc="upper left",handletextpad=1, # label和marker的距离frameon=False,fontsize=12,bbox_to_anchor=(0.02, 1.0),)# 绘制地区图例legend_elements_type = []for t in type_colors.keys():legend_elements_type.append(Line2D([0], [0], color="w", marker=None, label=t))# 添加到图片中type_legend = ax.legend(handles=legend_elements_type,loc="upper right",frameon=False,fontsize=12,bbox_to_anchor=(0.35, 1.0),)# 修改地区图例颜色for text in type_legend.get_texts():label_text = text.get_text()if label_text in type_colors:text.set_color(type_colors[label_text])# 再次添加月份图例，避免覆盖ax.add_artist(month_legend)if __name__ == "__main__":# 统一绘图样式plt.rcdefaults()plt.rcParams.update({"font.family": "Arial", # 字体"axes.titlesize": 16, # 子图标题大小"axes.labelsize": 16, # 坐标轴标签大小"xtick.labelsize": 14, # x轴刻度标签大小"ytick.labelsize": 14, # y轴刻度标签大小"legend.fontsize": 16, # 图例字体大小"axes.linewidth": 1, # 坐标轴线宽"lines.linewidth": 1, # 线宽"legend.handlelength": 0.5, # 图例长度"legend.handleheight": 0.5, # 图例高度"legend.handletextpad": 0.3, # 图例与图例文字距离})# 出图总体大小_, ax_list = utils.add_subplots(th=6, tw=8, ncols=1, nrows=1, text_type="a", text_offsets=[-0.05, 1.05])create_scatter_plot(ax_list[0], "../data/scatter_data.csv")# 导出为jpg文件，默认在当前路径下utils.export_fig()# 导出为指定路径下的指定文件名的tiff文件，dpi为500# utils.export_fig(# formats="tiff", output_path=r"C:\Users\dell\Desktop\test.tiff", dpi=500# )# # 直接用plt.show()会导致比例失常，所以得看最终导出的图。# plt.show()
完整代码
github仓库链接
https://github.com/zbhgis/QuickPlot
或者公众号后台回复 图表复现
在QuickPlot仓库 plot 文件夹的 scatter 文件夹下，过程中使用的其他封装工具函数在utils文件夹下。
参考
https://www.nature.com/articles/s41558-025-02363-5/figures/5