一个为科研论文设计的声明式 Matplotlib 封装库，让复杂图表的创建变得简单直观。

PaperPlot 的诞生是为了解决在准备学术论文时，使用 Matplotlib 创建高质量、布局复杂的图表所面临的繁琐问题。它通过引入声明式的链式 API 和基于标签（tag）的对象管理，让你能够用更少的代码，更清晰的逻辑，构建从简单网格到复杂组合的各类图表。

核心理念与特性

• 🚀 v0.1.16 修复与增强:
  • Twin Axes 逻辑修复: 彻底解决了双 Y 轴上下文切换时的 "Sticky State" 问题，确保 active_target 正确复位。
  • 水平条形图修正: 修复了 add_bar(orientation='horizontal') 时数值型数据被错误转为字符串的问题。
  • 布局引擎保护: 引入 _safe_tight_layout，防止 tight_layout 覆盖用户手动设置的 padding。
  • 运行时稳健性: 修复了 DuplicateTagError 和 StatsPlotsMixin 中的参数传递错误。
• 🔬 光谱与结构分析: 新增 SpectroscopyMixin，支持自动寻峰与标注 (add_peak_labels)、化学结构式/图片嵌入 (add_image_box) 以及光谱范围标注 (add_bracket)，专为物理化学领域设计。
• 🎨 声明式链式调用: 像写句子一样构建你的图表，例如 plotter.add_line(...).set_title(...).set_xlabel(...)。绘图后，后续修饰器会自动作用于最后一个活动的子图，无需重复指定目标。
• 🏷️ 基于标签的控制: 给每个子图一个独一无二的 tag，之后就可以随时通过 tag 对其进行任何修改，告别混乱的 axes[i][j] 索引。
• 🧩 强大的布局系统: 无论是简单的 (行, 列) 网格，还是使用 mosaic 实现的跨行跨列复杂布局，都能轻松定义。
• 🧱 声明式嵌套布局: 通过一个字典即可一次性定义包含子网格的复杂层级布局，并使用 '容器.子图' 这样的直观路径进行引用，完美实现“图中图”。
• 📐 数据驱动的尺寸控制: 除了传统的 figsize，还可以通过 subplot_aspect 指定子图单元格的宽高比，让 PaperPlot 自动计算最合适的画布尺寸，确保图表比例的专业性。
• 🖼️ 灵活的图像集成: 使用 add_figure() 方法，可以轻松地将外部图像文件作为子图内容，并提供了 fit, cover, stretch 等多种填充模式，以及对齐、内边距和缩放控制。
• ✨ 内置科研主题与调色板: 提供多种专业美观的内置样式（如 publication）和丰富的动漫游戏主题调色板，一键切换图表风格和颜色方案，保证全局一致性。
• 🌐 全局图层级标注: 提供了在整个画布（Figure）上添加文本、线条、方框和标签的 API，非常适合添加全局注释或高亮一组图表。
• 🔢 子图自动编号与分组: 通过 add_subplot_labels() 和 add_grouped_labels() 方法，可以一键为子图添加 (a), (b)... 等学术编号，或为逻辑分组添加共享标签，并支持高度定制化。
• 🔗 优雅的双Y轴（Twin-Axis）: 彻底解决了 Matplotlib 双Y轴操作繁琐的问题。通过 add_twinx() 进入孪生轴上下文，然后可以继续使用链式调用进行绘图和修饰，最后通过 target_primary() 切回主轴。
• 🧠 双轴高阶封装与显式上下文: 新增 add_dual_axis_line() 一键双轴绘图；并支持 with plotter.on_primary(tag) / with plotter.on_twin(tag) 明确上下文，减少隐式状态误用。
• 📏 误差棒参数统一: add_bar() / add_grouped_bar() 统一支持 err/y_err/yerr/y_errs 别名，并支持 err_style 统一控制误差棒样式。
• 🎯 高频标注一键化: 新增 add_bar_labels()、add_reference_line()、add_interval_shading()，减少手写 ax.text/axhline/axvspan。
• 🎨 公开配色控制 API: 新增 set_palette()、bind_color()、reset_color_cycle()，替代私有字段 hack。
• 🧪 领域模板 API: 新增 add_peak_ratio_kinetics()、add_ros_timebar()、add_sers_dualpeak_dualaxis()。
• 🔬 丰富的领域专用图表: 内置了科研中常用的图表类型，如光谱图、混淆矩阵、ROC 曲线、学习曲线、分岔图、相量图等。
• 🔧 智能美化工具: cleanup() 方法可以智能地共享坐标轴、对齐标签；cleanup_heatmaps() 可以为多个热图创建共享的颜色条。
• 📏 精确的手动布局控制: 当自动布局无法满足需求时，提供了 set_padding() 和 set_spacing() 方法，让你能够精确控制图表的边距和子图间距，实现像素级的布局微调。
• 🔌 元数据导出: 通过 get_layout_metadata() 导出图表的完整布局信息（像素位置、数据范围），为 GUI 工具开发和交互式可视化提供基础支持。

安装

pip install paperplotter

快速开始

只需几行代码，就可以创建一个包含两个子图的 1x2 网格图。

importpaperplotasppimportpandasaspdimportnumpyasnp# 1. 准备数据df_line=pd.DataFrame({
'time': np.linspace(0, 10, 50),
'signal': np.cos(np.linspace(0, 10, 50))
})
df_scatter=pd.DataFrame({
'x': np.random.rand(50) *10,
'y': np.random.rand(50) *10
})
# 2. 初始化 Plotter 并通过链式调用绘图和修饰
(
pp.Plotter(layout=(1, 2), figsize=(10, 4))
# --- 绘制并修饰左图 ---# add_line 将 'time_series' 设为活动tag
.add_line(data=df_line, x='time', y='signal', tag='time_series')
# 后续的修饰器会自动应用到 'time_series' 上
.set_title('Time Series Data')
.set_xlabel('Time (s)')
.set_ylabel('Signal')
# --- 绘制并修饰右图 ---# add_scatter 将 'scatter_plot' 设为新的活动tag
.add_scatter(data=df_scatter, x='x', y='y', tag='scatter_plot')
# 后续的修饰器会自动应用到 'scatter_plot' 上
.set_title('Scatter Plot')
.set_xlabel('X Value')
.set_ylabel('Y Value')
# --- 保存图像 ---
.save("quick_start_figure.png")
)

通过示例学习 (Learn from Examples)

掌握 PaperPlot 最好的方法就是探索我们提供的丰富示例。所有示例已按功能分类组织在 examples/ 目录下。

💡 提示：建议从 01_Basic_Usage 开始，然后根据需求探索其他类别。每个目录都有详细的 README 文档。

📁 示例目录结构

examples/
├── README.md # 📖 示例总览和学习路径
├── 01_Basic_Usage/ # 🎯 基础用法：快速入门
├── 02_Chart_Types/ # 📊 图表类型：各种图表演示
│ └── README.md # 图表类型选择指南
├── 03_Layout_Management/ # 🧩 布局管理：复杂子图布局
├── 04_Twin_Axes/ # 🔗 孪生轴：双Y轴图表
│ └── README.md # 孪生轴使用指南
├── 05_Styling_and_Themes/ # 🎨 样式主题：定制图表外观
├── 06_Annotations/ # 📍 注释标注：添加说明元素
│ ├── README.md # 注释功能总览
│ ├── text_and_labels/ # 文本和子图标签
│ ├── shapes_and_regions/ # 形状和高亮区域
│ └── statistical/ # 统计检验标注
├── 07_Images_and_Composition/ # 🖼️ 图像组合：图像集成
├── 08_Domain_Specific/ # 🔬 领域特定：专用图表类型
├── 09_Data_Utils/ # 🛠️ 数据工具：辅助功能
├── 10_Metadata_Export/ # 🔌 元数据导出：GUI 开发基础
└── assets/ # 📦 示例资源文件

🚀 快速开始示例

# 克隆或下载项目后，进入 examples 目录cd examples
# 查看完整的示例索引和学习路径
cat README.md
# 运行基础示例
python 01_Basic_Usage/error_handling.py
python 02_Chart_Types/bar_charts.py
# 探索更多功能
python 06_Annotations/text_and_labels/subplot_labels_auto.py

01. 基础用法 (Basic Usage)

示例	描述	关键功能
多图网格 multi_plot_grid.py	在一个网格中通过链式调用混合绘制不同类型的图表。	plotter.add_...().add_...()
错误处理 error_handling.py	展示 PaperPlot 的自定义异常处理。	try...except pp.PaperPlotError

💡 更多图表类型示例请参见 02_Chart_Types/

02. 图表类型 (Chart Types)

示例	描述	关键功能
柱状图 bar_charts.py	分组柱状图和堆叠柱状图。	add_grouped_bar(), add_stacked_bar()
折线图 line_charts.py	多线图演示。	add_multi_line()
饼图与环形图 pie_and_donut.py	饼图、环形图、嵌套环形图。	add_pie(), add_donut(), add_nested_donut()
热图与颜色条 heatmaps.py	为多个热图创建共享的颜色条。	add_heatmap(), cleanup_heatmaps()
统计图组合 statistical_plots.py	组合小提琴图、蜂群图和箱线图。	add_violin(), add_swarm(), add_box()
瀑布图 waterfall.py	阶梯瀑布图。	add_waterfall()
K线图 candlestick.py	金融K线图（蜡烛图）。	add_candlestick()
极坐标图 polar_plots.py	极坐标柱状图。	add_polar_bar()
回归图 regression_plots.py	回归分析图。	add_regplot()

📖 详细图表类型选择指南请查看 examples/02_Chart_Types/README.md

02. 布局管理 (Layout Management)

示例	描述	关键功能
布局展示 layout_showcase.py	全面展示各种布局能力。	多种 layout 配置
声明式嵌套布局 nested_layout.py	使用字典声明式定义包含子网格的复杂多层级布局。	layout={...}, tag='容器.子图'
高级布局 advanced_layout.py	展示跨列的复杂布局。	layout=[['A', 'B', 'B'], ...]
块跨越 block_span.py	子图同时跨越多行和多列。	layout=[['A', 'A', 'B'], ['A', 'A', 'C']]
行跨越 row_span.py	子图跨越多行。	layout=[['A', 'B'], ['A', 'C']]
固定宽高比 aspect_ratio.py	通过 subplot_aspect 保证子图单元格宽高比。	subplot_aspect=(16, 9)
手动布局控制 manual_layout_demo.py	手动设置图表边距和子图间距，覆盖自动布局。	set_padding(), set_spacing()

03. 孪生轴 (Twin Axes)

示例	描述	关键功能
双Y轴基础 basic_twin_axes.py	演示如何流畅地在主轴和孪生轴上绘图。	add_twinx(), target_primary(), target_twin()
颜色循环同步 twin_axes_color_cycle.py	确保双轴的颜色循环同步。	颜色循环管理
极坐标双轴 polar_twin_axes.py	在极坐标系统中使用双轴。	add_polar_twin()

📖 完整的孪生轴使用指南请查看 examples/04_Twin_Axes/README.md

04. 样式与主题 (Styling and Themes)

示例	描述	关键功能
风格画廊 theme_gallery.py	循环遍历所有内置绘图风格。	Plotter(style='...')
自定义主题 custom_theme.py	演示如何使用 get_ax() 获取原生 Matplotlib Axes 并自定义。	get_ax(), add_patch()
全局样式控制 global_styling.py	设置全局标题和创建全局图例。	set_suptitle(), add_global_legend()
智能清理 cleanup_functions.py	演示 cleanup() 动态共享坐标轴和隐藏多余标签。	cleanup(auto_share=True)
数据处理 data_processing.py	数据平滑处理和条件高亮。	utils.moving_average(), add_conditional_scatter()

05. 标注与标签 (Annotations)

示例	描述	关键功能
📝 文本和标签 (text_and_labels/)
自动子图标签 subplot_labels_auto.py	自动为子图添加 (a), (b) 等顺序标签。	add_subplot_labels()
分组标签 subplot_labels_grouped.py	为一组子图添加共享标签。	add_grouped_labels()
嵌套布局标签 subplot_labels_nested.py	在复杂嵌套布局中添加多层级标签。	add_grouped_labels(), add_subplot_labels(tags=...)
自定义标签 subplot_labels_custom.py	展示标签的丰富定制选项。	add_subplot_labels(...)
图形文本 figure_text.py	在画布上添加文本注释。	fig_add_text()
🎨 形状和区域 (shapes_and_regions/)
画布级标注 shapes_and_boxes.py	添加跨越多个子图的方框、标签和线条。	fig_add_box(), fig_add_label(), fig_add_line()
缩放嵌入图 zoom_insets.py	创建放大特定区域的嵌入式子图。	add_zoom_inset()
区域高亮 highlighting.py	高亮特定数据区域并添加边框。	add_highlight_box(), fig_add_boundary_box()
📊 统计注释 (statistical/)
统计标注 statistical_annotation.py	在箱线图上自动添加统计检验标记。	add_box(), add_pairwise_tests()

📖 完整的注释功能指南请查看 examples/06_Annotations/README.md

06. 图像集成与组合 (Images and Composition)

示例	描述	关键功能
嵌入图像 embedding_images.py	将外部图像文件作为子图内容。	add_figure()
图像对齐 image_alignment.py	演示 fit, cover, stretch 等对齐模式。	add_figure(fit_mode=..., align=...)
组合图形 composite_figures.py	创建包含图像和图表的复杂组合图形。	add_figure(), add_zoom_inset()

07. 领域专用图表 (Domain-Specific Plots)

示例	描述	关键功能
领域专用图合集 domain_specific_plots_example.py	展示多种领域专用图（光谱图、混淆矩阵、ROC曲线、PCA散点图）。	add_spectra(), add_confusion_matrix(), add_roc_curve()
3D 绘图 3d_plots_example.py	创建 3D 线图和表面图。	ax_configs={'projection': '3d'}, add_line3d(), add_surface()
学习曲线 learning_curve_example.py	绘制机器学习模型学习曲线。	add_learning_curve()
浓度图 concentration_map_example.py	绘制 SERS Mapping 浓度图。	add_concentration_map()
电力时间序列 power_timeseries_example.py	绘制电力系统动态仿真结果。	add_power_timeseries()
相量图 phasor_diagram_example.py	在极坐标上绘制相量图。	add_phasor_diagram()
分岔图 bifurcation_diagram_example.py	绘制非线性系统分岔图。	add_bifurcation_diagram()
光谱分析 spectroscopy_complex_demo.py	复杂光谱图、自动寻峰与结构式嵌入。	add_peak_labels(), add_image_box(), add_bracket()

08. 数据分析工具 (Data Analysis Utils)

示例	描述	关键功能
数据分析工具集 data_analysis_utils_example.py	分布拟合和数据分箱绘图。	add_distribution_fit(), add_binned_plot()
通用工具函数 utility_functions_example.py	高亮特征峰和标记事件。	add_peak_highlights(), add_event_markers()
统一误差协议 unified_error_protocol_demo.py	演示折线/柱图统一误差棒参数入口。	err/y_err/yerr/y_errs, err_style

---

贡献

欢迎任何形式的贡献！如果你有好的想法、发现了 bug，或者想要添加新的功能，请随时提交 Pull Request 或创建 Issue。

许可证

本项目采用 MIT License授权。