顶刊NCC带自定义标记的散点图复现（Python）
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 Line2D
def 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
浙公网安备 33010602011771号