审稿人如果盯着你的结果图问“环境变量贡献多少空间结构贡献多少两者共同解释了多少”你很难用一张普通柱状图把这一逻辑讲清楚。尤其在生态学、土壤学、地理学和环境科学论文里“区位环境”交互本来就常见温度、降水与经纬度并不相互独立直接比较单组变量的贡献很容易被质疑。很多作者这时候会主动放一张方差分解韦恩图一个圈画环境变量一个圈画空间变量中间交叠区域表示共同贡献旁边再留一个残差。期刊编辑喜欢这种图因为它信息密度高、一眼能看出解释率怎么分账。但你一旦在 Python 里搜索同类图会发现生态学经典统计中常用的vegan::varpart()是 R 生态里的函数Python 没有直接对应的标准库。网上关于韦恩图的代码不少大多是展示给几组基因列表求交集而不是把“回归模型的解释率”拆开算。要画期刊能用的“多面板方差分解韦恩图”正确的拆法是先用嵌套回归算清楚环境单独贡献、空间单独贡献、共同贡献和残差再用matplotlib-venn把三块贡献画到子图里。这篇文章不是教你怎么炫技而是给你一套可以直接替换成自己数据的 Python 脚本。看完之后你能理解两个集合时的方差分区是怎么算出来的也能用 2×2 多面板布局产出适合提交期刊的配图。文中的模拟数据只是用来演示方法真实场景中你只需把 DataFrame 换成自己的响应变量和环境、空间变量即可。1. 为什么期刊出图需要“方差分解韦恩图”先看一个很常见的分析场景。你在某山区采集了样地数据响应变量是土壤有机碳含量或物种多样性解释变量分为两类环境变量温度、降水、pH、坡度和空间变量经纬度、海拔、距离邻体矩阵特征。建模之后你发现整体模型解释率不错但你还想知道是环境筛选主导还是空间扩散过程主导两者又有多少是分不开的如果只画一张“三类环境变量重要度柱状图”会出现一个理论问题空间变量、环境变量本身在自然条件下常常存在空间自相关。例如温度和海拔强相关海拔本身又是空间变量降水受经纬度影响经纬度本身也是空间变量。也就是说两组解释变量之间不是正交的简单比较“单组模型R²”会把共同解释部分重复计算。审稿人一旦抓住这一点结论就可能被推翻。方差分解的思路是主动把方差切割开英文通常叫 Variation Partitioning 或 Variance Partitioning。在只考虑环境变量 E 和空间变量 S 时它把响应变量的总变异拆成四份E 单独解释的部分S 单独解释的部分E 和 S 共同解释、无法明确归因的部分残差即模型没有解释的部分。韦恩图之所以适合表达这个结果是因为它天生就有“表示重叠”的结构。环境圈和空间圈分别代表各自引入的变异范围两圆交叠正好表示共同解释。更重要的是一个多面板韦恩图可以让不同响应变量、不同时期或不同生态区的分区结果横向并排读者可以直观比较哪一类因子在哪个场景下更加主导。Python 的方案闭环并不复杂。机器学习建模通常用R²看全模型解释能力而方差分区的核心也只是“全模型R²”与“嵌套模型R²”之间的加减法。理解了这一步剩下的事情就是绘图和排版。2. 核心原理方差分区计算并不神秘为了让你后面读代码不卡壳这里先把两个解释集时的计算逻辑讲清楚。假设环境变量集合为 E空间变量集合为 S响应变量为 Y。先定义三个基本回归r2_E R²(Y ~ E)即只用环境变量建模时的决定系数r2_S R²(Y ~ S)即只用空间变量建模时的决定系数r2_all R²(Y ~ E S)即同时使用所有解释变量建模时的决定系数。然后用下面的式子求分区分区含义计算方式env_only环境变量的独立贡献r2_all - r2_Sspa_only空间变量的独立贡献r2_all - r2_Eshared环境与空间共同贡献r2_E r2_S - r2_allresidual无法解释的残差1 - r2_all为什么环境单独贡献要用r2_all - r2_S想象你把空间变量先放入模型它已经解释了一部分变异在此基础上再加入环境变量模型解释率的上升值就是环境变量在控制空间影响后仍然能额外解释的部分。现实中两组变量有相关所以这一部分通常小于单组模型的R²。shared的计算稍微绕一点但逻辑同样清楚把环境单模型与空间单模型解释率相加如果两组变量完全正交这个和就应该等于全模型解释率意味着没有重叠一旦因为相关重叠r2_E r2_S会大于r2_all超出的部分就是它们共同分享的解释率。四点分解有一个天然恒等式env_only spa_only shared residual 1这个等式非常方便也是我们后面验证脚本是否正确的基础。需要说明这里用的是模型在训练集上的R²。如果要提交严谨的方法学描述你最好把高维小样本的问题纳入考虑当变量个数增加时普通R²会偏高此时应使用 adjusted R² 或预留验证集。本文为了代码可读性先以普通线性回归和R²示意你在真正的论文分析中可以替换成 adjusted R²。你可能会问为什么这个话题放在“Python 机器学习”标签下因为机器学习模型同样能输出 R²理论上也能用这套嵌套思路做非线性版本的方差分解。但这里有一个现实坑随机森林或梯度提升模型训练时会产生随机误差OOB R² 并不能像线性回归那样精确地满足上面的恒等式直接嵌套相减容易出现负分区。所以如果审稿人对方法没有特殊要求最稳妥的表达模型解释率的方案仍然是线性模型机器学习特征重要性回答的是“哪些特征在预测中更关键”它并不等价于方差分解对解释率的切割。3. 适合用韦恩图方差分解的场景与避坑清单一个多面板韦恩图看起来高级但它并不是万能图。从实际处理经验和论文评审角度来看下面几种情况适合用它解释变量可以明确归类为 2 组到 3 组比如“环境 vs 空间”或“气候 vs 土壤 vs 空间”你的科学问题是相对贡献而不是做高精度预测数据量和变量数基本匹配没有在小样本上堆十几个变量的情况模型以线性关系为主或你已经通过变量变换让变量关系接近线性。不适合硬套韦恩图的情况也很清楚解释变量有几十个无法归为少数几组画出来的圆会失去意义变量集之间共线性极强出现负分区时仍继续画图模型本质上使用深度神经网络或树模型但方法学描述没有交代嵌套 R² 的合理性你只想做预测不需要把各个变量集的贡献拆开解释。另一个容易误用的点是“共享解释率”的概念。它并不表示环境变量和空间变量之间有什么因果机制只表示在线性回归的意义上两组变量所携带的信息有重叠无法把重叠部分精确归给其中某一组。如果环境变量本身沿空间梯度分布这个shared值会偏大这是真实存在的现象而不是代码 bug。在软件实现层面也要有预期。R 里的vegan::varpart()同时输出多个复杂度指标Python 没有现成等价包但好消息是两集分区需要的回归运算非常简单自己实现其实是可控的。真正难的是图面工程每个子图的圆圈布局、百分比文本、残差的位置、面板编号、保存格式。这也是后面代码重点解决的问题。4. 环境准备与数据组织做这个分析不需要安装重型环境。如果你的机器上已经能跑 pandas 和 scikit-learn基本就够了。建议环境如下Python 3.8 及以上numpy