Matplotlib中利用单轴实现多类别水平条形图的精细化布局

import matplotlib.pyplot as plt
import numpy as np

# 设置图表风格
plt.style.use('default')

# 准备数据
# Alcohol类别数据
labels_alcohol = ['Borchers et al.', 'Donnelly et al.']
values_alcohol = [24, 1]

# Formalin类别数据
labels_formalin = ['Wang and Feng', 'van Haaren et al.', 'Borchers et al.', 'Gustafson et al.', 'Ebacher et al.']
values_formalin = [3, 3, 24, 52, 52]

# 定义图例标签和对应的填充图案
legend_labels = {
    'No Change': '\',
    'Major Change': 'x',
    'Minor Change': 'o'
}

# 创建一个新的图表和坐标轴
fig, ax = plt.subplots(figsize=(10, 6))

# --- 绘制 Alcohol 类别条形图 ---
# 为Alcohol类别条形定义Y轴位置和高度
# 这里我们将Alcohol的条形放置在较低的Y轴位置，并设置较小的height以增加间距
y_pos_alcohol = np.arange(len(labels_alcohol)) * 1.2 # 增加间距
bar_height_alcohol = 0.8 # 调整条形高度

# 绘制Alcohol条形
# 注意：为了控制图例，我们只在第一个代表“No Change”的条形上设置label，
# 其他同类别的条形通过在label前加下划线`_`来避免重复显示在图例中
ax.barh(y_pos_alcohol[0], values_alcohol[0], color='white', label='No Change', hatch=legend_labels['No Change'], edgecolor="black", height=bar_height_alcohol)
ax.barh(y_pos_alcohol[1], values_alcohol[1], color='white', label='Major Change', hatch=legend_labels['Major Change'], edgecolor="black", height=bar_height_alcohol)

# --- 绘制 Formalin 类别条形图 ---
# 为Formalin类别条形定义Y轴位置和高度
# Formalin的条形从Alcohol条形上方开始，并设置较大的height使其更紧密
# 预留一些空间给分隔线和类别标签
y_offset_formalin = y_pos_alcohol[-1] + 2.5 # 从Alcohol最后一个条形上方开始，预留2.5单位空间
y_pos_formalin = y_offset_formalin + np.arange(len(labels_formalin)) * 1.0 # 增加间距，但比Alcohol小
bar_height_formalin = 0.9 # 调整条形高度

# 绘制Formalin条形
ax.barh(y_pos_formalin[0], values_formalin[0], color='white', label='_No Change', hatch=legend_labels['No Change'], edgecolor="black", height=bar_height_formalin)
ax.barh(y_pos_formalin[1], values_formalin[1], color='white', label='_Major Change', hatch=legend_labels['Major Change'], edgecolor="black", height=bar_height_formalin)
ax.barh(y_pos_formalin[2], values_formalin[2], color='white', label='Minor Change', hatch=legend_labels['Minor Change'], edgecolor="black", height=bar_height_formalin)
ax.barh(y_pos_formalin[3], values_formalin[3], color='white', label='_No Change', hatch=legend_labels['No Change'], edgecolor="black", height=bar_height_formalin)
ax.barh(y_pos_formalin[4], values_formalin[4], color='white', label='_No Change', hatch=legend_labels['No Change'], edgecolor="black", height=bar_height_formalin)


# --- 添加类别分隔线 ---
# y值选择在两个类别组的中间
separator_y = y_pos_alcohol[-1] + (y_offset_formalin - y_pos_alcohol[-1]) / 2
ax.axhline(y=separator_y, xmin=-0.15, xmax=1.05, color='black', linewidth=0.8, linestyle='-', clip_on=False)

# --- 添加类别标签 ---
# 计算每个类别组的中心Y轴位置
center_y_alcohol = np.mean(y_pos_alcohol)
center_y_formalin = np.mean(y_pos_formalin)

# x轴位置需要根据数据最大值和图表宽度进行调整，以确保文本在图表外侧且不被裁剪
# 假设最大X值为52，我们可以在X轴右侧留出一些空间
max_x_value = max(max(values_alcohol), max(values_formalin))
# 可以尝试将文本放置在略微超出X轴范围的位置，并使用clip_on=False确保显示
text_x_position = max_x_value + 3 # 调整这个值以获得最佳视觉效果

ax.text(x=text_x_position, y=center_y_alcohol, s='Alcohol', rotation='vertical', clip_on=False, fontsize='x-large', ha='left', va='center')
ax.text(x=text_x_position, y=center_y_formalin, s='Formalin', rotation='vertical', clip_on=False, fontsize='x-large', ha='left', va='center')


# --- 设置Y轴刻度标签 ---
# 合并所有标签和对应的Y轴位置
all_labels = labels_alcohol + labels_formalin
all_y_pos = list(y_pos_alcohol) + list(y_pos_formalin)

ax.set_yticks(all_y_pos)
ax.set_yticklabels(all_labels)
ax.set_ylabel('') # 清除Y轴标题，因为类别标签已通过plt.text添加

# 设置X轴标签
ax.set_xlabel('Weeks Stored')

# 设置X轴范围，留出一些右侧空间给类别标签
ax.set_xlim(0, max_x_value + 10) # 适当增加X轴最大值，给右侧文本留空间

# 显示图例
ax.legend()

# 调整布局，确保所有元素可见
plt.tight_layout()

# 保存和显示图表
plt.savefig("Storage Protocol Plot_Optimized.pdf")
plt.show()