【图表复现】顶刊NCC热力图复现（Python）
结果对比
本文复现的这张图是今年7月4号发表在Nature Climate Change中的一张热力图。完整代码获取方法在文末。
废话不说，先上原图。
复现结果如下。
除了颜色的深浅对不上（因为不知道原色带的名称）以及数据分布对不上（因为数据使用的是模拟数据），其他细节都差不多。
绘制思路
这个图的基本类型是热力图，直接丢给大模型能画出个大概；画完基本热力图后，关键在于怎么调整好设置好单元格之间的间隔以及单元格的形状。目前通过Python的Matplotlib包直接绘制正方形单元格热力图比较麻烦（R语言有第三包好像可以直接实现）。所以换一个思路，直接在单元格之间添加白线，将这个热力图分割成一个个正方形。其他的横线，文字旋转，刻度线这些细节就比较简单了，花点时间微调一下就可以了。
主要代码如下：
"""
Author: https://github.com/zbhgis
Paper source: https://www.nature.com/articles/s41558-025-02363-5
Paper Figure source: https://www.nature.com/articles/s41558-025-02363-5/figures/3
Last Modified: 2025-12-03
Data: The data used in the code is generated randomly
"""
import numpy as np
import matplotlib.pyplot as plt
import utils
def create_heatmap(
ax,
vmin,
vmax,
heatmap_data,
heatmap_cmap,
x_tick_labels,
y_tick_labels,
x_tick_labels_tag=True,
x_tick_length=0.026,
):
# 绘制热力图
im = ax.imshow(heatmap_data, cmap=heatmap_cmap, vmin=vmin, vmax=vmax)
# 长宽比设置,调整单元格大小
ax.set_aspect(aspect=1.2)
# 添加白色间隔线
# 横线设置宽一些，用于分割不同类型
for i in range(len(y_tick_labels) + 1):
ax.axhline(i - 0.5, color="white", lw=10)
# 竖线设置窄一些
for j in range(len(x_tick_labels) + 1):
ax.axvline(j - 0.5, color="white", lw=2)
# 设置x轴
ax.set_xticks(np.arange(len(x_tick_labels)))
# 如果需要绘制x轴时间刻度标签
if x_tick_labels_tag:
ax.set_xticklabels(
labels=x_tick_labels,
rotation=45,
horizontalalignment="right",
rotation_mode="anchor",
)
else:
ax.set_xticklabels(labels="")
# 添加新的x轴刻度线
utils.add_ticks(
ax,
axis="x",
positions=ax.get_xticks(),
ymin=0.002,
ymax=x_tick_length,
)
# 设置y轴
ax.set_yticks(np.arange(len(y_tick_labels)))
ax.set_yticklabels(y_tick_labels)
ax.tick_params(axis="y", which="both", length=0)
# 移除之前的网格线
ax.grid(False)
return im
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": 16, # x轴刻度标签大小
"ytick.labelsize": 16, # y轴刻度标签大小
"legend.fontsize": 12, # 图例字体大小
"axes.linewidth": 1, # 坐标轴线宽
"lines.linewidth": 1, # 线宽
"legend.handlelength": 0.6, # 图例长度
"legend.handleheight": 0.6, # 图例高度
"legend.handletextpad": 0.3, # 图例与图例文字距离
}
)
# 生成模拟数据
x_tick_labels = []
for i in range(15):
category = f"{2006 + i}/{str(2006 + i + 1)[-2:]}"
if i == 12:
category += "*"
x_tick_labels.append(category)
y_tick_labels_list = [
["EAIS total"],
["Rennick", "Shackleton", "Amery", "Baudouin", "Nivlisen"],
["AP total"],
["Wilkins", "Bach", "George VI"],
["WAIS total"],
]
heatmap_data_list = []
for i in range(len(y_tick_labels_list)):
np.random.seed(13 + i)
heatmap_data = np.random.uniform(
low=-3, high=3, size=(len(y_tick_labels_list[i]), len(x_tick_labels))
)
heatmap_data_list.append(heatmap_data)
# 设置色带
cmap = "RdBu_r"
# 因为刻度线长度是按照比例的，所以设置不同的刻度线长度
x_tick_length = [0.1, 0.026, 0.1, 0.05, 0.1]
# 绘制子图
fig, ax_list = utils.add_subplots(
tw=10,
th=14,
nrows=12,
ncols=1,
gs_loc=[[0, 0], [(1, 6), 0], [6, 0], [(7, 10), 0], [(10, 12), 0]],
ax_offsets=[[0, -0.05], [0, 0], [0, -0.03], [0, 0], [0, 0]],
hspace=0.3,
text_type="a",
text_step=2,
text_offsets=[[-0.06, 1], [0, 1], [-0.06, 1], [0, 1], [-0.06, 1]],
)
# 第一幅和第三幅子图不绘制x轴刻度标签
for i in range(len(ax_list)):
if i == 0 or i == 2:
tag = False
else:
tag = True
im = create_heatmap(
ax_list[i],
vmin=-3,
vmax=3,
heatmap_data=heatmap_data_list[i],
heatmap_cmap=cmap,
x_tick_labels=x_tick_labels,
y_tick_labels=y_tick_labels_list[i],
x_tick_labels_tag=tag,
x_tick_length=x_tick_length[i],
)
# 第五幅子图添加最下方的x轴标签和横线
if i == 4:
ax_list[i].text(
0.45,
-1.65,
"Years",
ha="center",
va="center",
transform=ax_list[i].transAxes,
fontsize=16,
)
ax_pos = ax_list[i].get_position()
utils.add_line(
ax=ax_list[i],
x=[ax_pos.x0 - 0.06, ax_pos.x0 + ax_pos.width],
y=[ax_pos.y0 - 0.06, ax_pos.y0 - 0.06],
transform="figure",
clip_on=False,
)
# 添加子图外部上方横线
if i % 2 == 0:
ax_pos = ax_list[i].get_position()
utils.add_line(
ax=ax_list[i],
x=[ax_pos.x0 - 0.06, ax_pos.x0 + ax_pos.width],
y=[ax_pos.y1 + 0.02, ax_pos.y1 + 0.02],
transform="figure",
clip_on=False,
)
# 添加colorbar，并添加标签
cax = fig.add_axes([0.92, 0.09, 0.04, 0.75]) # [left, bottom, width, height]
cbar = fig.colorbar(im, cax=cax, label="Total meltwater area Z-score")
cbar.set_label(
"Total meltwater area Z-score", rotation=-90, labelpad=20, fontsize=18
)
cbar.ax.tick_params(direction="in", which="both")
# 添加colorbar内部说明文字
cbar.ax.text(
0.5,
0.35,
"\n".join("BELOW AVERAGE"),
transform=cbar.ax.transAxes,
ha="center",
va="top",
color="white",
fontsize=18,
)
cbar.ax.text(
0.5,
0.98,
"\n".join("ABOVE AVERAGE"),
transform=cbar.ax.transAxes,
ha="center",
va="top",
color="white",
fontsize=18,
)
utils.export_fig()
# 直接用plt.show()会导致比例失常，所以得看最终导出的图。
# plt.show()
过程中有涉及到较多细节，使用了一些封装的自定义函数，方便后续其他绘图工作调用。
在github上或者网盘中可以获取，直接将Plot整个项目拷贝到本地文件夹，再通过编辑器打开即可。
完整代码
github仓库链接
https://github.com/zbhgis/QuickPlot
或者公众号后台回复 251203
在plot文件夹的heatmap文件夹中
参考
https://www.nature.com/articles/s41558-025-02363-5/figures/3
浙公网安备 33010602011771号