要按年份绘制LDA主题模型，您可以按照以下步骤进行操作：

1. 数据准备：首先，您需要准备一组按年份分类的文本数据。每个年份的文本数据应存储在单独的文件中，或者可以使用带有年份标签的数据框。

2. 数据预处理：对于每个年份的文本数据，您需要进行基本的文本预处理步骤，例如去除停用词、标记化、词干化或词性还原。这可以使用Python中的自然语言处理库（如NLTK）完成。

3. 构建LDA模型：使用Python中的LDA库（如Gensim）构建LDA模型。您可以为每个年份的文本数据创建一个LDA模型，并使用适当的主题数和其他参数来训练模型。

以下是一个示例代码，展示了如何按年份绘制LDA主题模型：

import os
import nltk
from nltk.corpus import stopwords
from nltk.stem import WordNetLemmatizer
from gensim import corpora, models
import matplotlib.pyplot as plt

# 设置停用词和词性还原器
stop_words = set(stopwords.words('english'))
lemmatizer = WordNetLemmatizer()

# 定义函数进行数据预处理
def preprocess_text(text):
    # 标记化文本
    tokens = nltk.word_tokenize(text.lower())
    
    # 去除停用词和标点符号
    tokens = [token for token in tokens if token.isalpha() and token not in stop_words]
    
    # 词性还原
    tokens = [lemmatizer.lemmatize(token) for token in tokens]
    
    return tokens

# 定义函数构建LDA模型并绘制主题分布图
def build_lda_model(texts):
    # 创建语料库
    dictionary = corpora.Dictionary(texts)
    corpus = [dictionary.doc2bow(text) for text in texts]
    
    # 构建LDA模型
    lda_model = models.LdaModel(corpus=corpus, id2word=dictionary, num_topics=5)
    
    # 绘制主题分布图
    topics = lda_model.show_topics(formatted=False)
    topics_matrix = lda_model.show_topics(num_topics=5, num_words=10, formatted=False)
    topics_words = [[word[0] for word in topic[1]] for topic in topics_matrix]
    
    for i, topic_words in enumerate(topics_words):
        plt.bar(topic_words, [topic[1] for topic in topics[i][1]], color='blue')
        plt.title('Topic Distribution for Year {}'.format(i+1))
        plt.ylabel('Probability')
        plt.xlabel('Words')
        plt.xticks(rotation='vertical')
        plt.show()

# 定义主函数
def main():
    # 读取文本数据
    data_dir = 'path/to/data'
    texts = []
    
    for filename in sorted(os.listdir(data_dir)):
        with open(os.path.join(data_dir, filename), 'r') as file:
            text = file.read()
            tokens = preprocess_text(text)
            texts.append(tokens)
    
    # 构建LDA模型并绘制主题分布图
    build_lda_model(texts)

# 运行主函数
if __name__ == '__main__':
    main()

请注意，这只是一个示例代码，并且可能需要根据您的具体需求进行修改。您需要将代码中的'path/to/data'替换为包含按年份分类的文本数据的文件夹路径，并根据需要调整停用词列表和其他参数。此外，您还可以根据需求自定义图表的外观和布局。