下面的箱线图比较美观，非常适合数据量不大、且分布明显的时候使用。
图片
在论文撰写中，图表的清晰和吸引人的展示方式是至关重要的。箱线图（Whisker Plot）是一种展示数据分布的经典工具，它不仅可以清楚地显示数据的中心趋势、散布和异常值，还能以视觉上吸引人的方式呈现这些信息。
使用 Python 的 vedo 库，我们可以创建不仅信息丰富但也极具视觉冲击力的箱线图。这种图表的美观程度足以让你的科学论文（SCI）中的数据展示部分变得更加引人注目。
代码首先需要安装vedo库，该库提供了一些高级绘图函数，感兴趣的同学可以自行探索。
https://vedo.embl.es/#gallery
图片
image-20231113234907260pip install vedo -i https://pypi.douban.com/simple/绘图代码如下：
'''Whisker plot with quantiles indication(horizontal line shows the mean value)'''from vedo import np, settings, Axes, Brace, Line, Ribbon, showfrom vedo.pyplot import whiskersettings.default_font = 'Theemim'# build some theoretical expectation to be shown as a grey bandx = np.linspace(-1, 9, 100)y = x/5 + 0.2*np.sin(x)ye= y**2/5 + 0.1 # error on yline = Line(np.c_[x, y])band = Ribbon(np.c_[x, y-ye], np.c_[x, y+ye]).c('black',0.1)# create 5 whisker bars with some random dataws = []for i in range(5): xval = i*2 # position along x axis data = xval/5 + 0.2*np.sin(xval) + np.random.randn(25) w = whisker(data, bc=i, s=0.5).x(xval) ws.append(w) # print(i, 'whisker:\n', w.info)# build braces to inndicate stats significance and dosagebra1 = Brace([0, 3],[2, 3], comment='*~*', s=0.7, style='[')bra2 = Brace([4,-1],[8,-1], comment='ET (mmd^-1 ) > mean', s=0.4)# build custom axesaxes = Axes(xrange=[-1,9], yrange=[-3,5], htitle=':beta_c expression: change in time', xtitle=' ', ytitle='Level of :ET protein in \muM/l', x_values_and_labels=[(0,'ET^A\n at t=1h'), (4,'ET^B\n at t=2h'), (8,'ET^C\n at t=4h'), ], xlabel_size=0.02, xygrid=False, )show(ws, bra1, bra2, line, band, __doc__, axes, zoom=1.3)原理讲解总体上，vedo库也是图层语言，通过不同图层叠加绘图。
settings.default_font = 'Theemim'设置了默认字体为 'Theemim'，以确保图表的文本具有良好的可读性和美观性。
接着，代码构建了一个置信区间（灰色区域）和均值线来表示趋势或标准：
pythonCopy codex = np.linspace(-1, 9, 100)y = x/5 + 0.2*np.sin(x)ye= y**2/5 + 0.1line = Line(np.c_[x, y])band = Ribbon(np.c_[x, y-ye], np.c_[x, y+ye]).c('black',0.1)这里 x 和 y 用于生成一条线，ye 代表 y 的误差。Line 和 Ribbon 用于生成这个理论值的可视化表示。
打印Line和Ribbon图层，我们可以看到构建结果：
图片
image-20231113235314087图片
image-20231113235336419注意这里的数据是随机生成的。
代码的核心部分是创建五个不同的箱线图：
pythonCopy codews = []for i in range(5): xval = i*2 data = xval/5 + 0.2*np.sin(xval) + np.random.randn(25) w = whisker(data, bc=i, s=0.5).x(xval) ws.append(w)这段代码对五个不同的数据集生成了箱线图。每个数据集根据 xval（沿x轴的位置）和一些随机噪声生成。
随后，代码添加了一些额外的注释和标签，以增强图表的可读性和信息量：
pythonCopy codebra1 = Brace([0, 3],[2, 3], comment='*~*', s=0.7, style='[')bra2 = Brace([4,-1],[8,-1], comment='ET (mmd^-1 ) > mean', s=0.4)
这些 Brace 对象用于在图表中指示统计学上的显著性或其他注释。
最后，代码设置了自定义的坐标轴，并显示了整个图表：
pythonCopy codeaxes = Axes(xrange=[-1,9], yrange=[-3,5], ...)show(ws, bra1, bra2, line, band, __doc__, axes, zoom=1.3)这里 Axes 定义了坐标轴的外观和范围，show 函数则用于渲染和展示整个图表。
图片
最后精美的图绘就完成了，如上图，美观的图总需要多图层的自定义。
Referencehttps://github.com/marcomusy/vedohttps://vedo.embl.es/#gallery更多图绘教程~
1 python和R绘制箱线抖动图+复现IPCC原图
2 复现顶刊RSE散点密度验证图（附代码）
3 跟着顶级科研报告IPCC学绘图：温度折线/柱图/条带/双y轴
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。