【气候软件】Python7：气象数据可视化的绘图基本流程

气象数据可视化主要依靠matplotlib做绘图，其他库包为辅助，包括数据处理的，地理信息处理的等等。

绘图主要有六步（“六部曲”）（不是绝对的方法，视具体情况使用）:

• 引入库包：import matplotlib.pyplot as plt

• 设定画布：fig=plt.figure()

• 导入数据：之前已有介绍导入nc文件格式数据（【气候软件】Python读取气象数据 NetCDF文件（***.nc））和导入txt文本格式数据（【气候软件】Python2：读取TXT文本格式的数据）。

• 线图命令：plt.plot(x,y,lw=,ls=，c=,alpha=)

• 出图：plt.show()

• 存图：fig.savefig("···")

  
  ; w. v2 V2 S; o8 ?7 p

只要按照以上六步，基本绘图没有问题！！！

8 H: S: z; e. m5 [# v

绘制简单气象数据图

• 
  + V5 k( q6 s9 T3 h6 [, ^5 N
• 
  
• 
  
• 
  
• 
  8 K7 q. N- o7 q; F4 }8 ^; B
• 
  
• 
  
• 
  
• 
  
• 
  2 S7 X' w8 d, N3 s* D
• 
  ; X8 \8 H9 O' d& s
• 
  # Q! F5 y6 h9 p7 C  {0 D
• 
  ; Z% b1 Y3 t8 h; Q8 W
• 
  # n% c$ Y' ~$ H8 `" r7 f/ z
  

######1引入库包############import matplotlib.pyplot as pltimport numpy as np######2画布############fig=plt.figure(figsize=(3,3),dpi=200)######3虚拟数据########x=np.linspace(0.05,10,1000)y=np.cos(x)#####4线图命令#############plt.plot(x,y,ls="-",lw="2")#####5出图#############plt.show()########6保存图片###########fig.savefig("画布")
. }8 `' i2 z; d% p) `1 N  h

备注：创建了一张画布，figure里有两个常用语句，一个是figsize=()，一个是dpi.

figsize=(a,b)语句里面有两个参数，分别设置画布的长和宽，单位为英寸。

dpi为图像解析度，过低的话会使图像模糊不清。

                               
登录/注册后可看大图

基础的常用绘图命令有折线图（plot）、柱状图（bar）、条形图（barh）、散点图（scatter）、直方图（hist）、饼图（pie）、箱线图（boxplot）等等。

这里的数据引用的【气候软件】Python5：绘制气象资料的多区域子图里的某地1979-2019年平均气温为例绘制两个站点气温时间序列。

• 
  
• 
  ' G- [% a7 ^2 e6 i! n
• 
  
• 
  
• 
  
• 
  
• 
  4 M' f0 v2 A4 ]6 k6 c
• 
  
• 
  ' i" l8 Z% b  J) V' [9 H* W
• 
  
• 
  
• 
  
• 
  # Y  W) f& z! G3 C) d: N0 i7 H
• 
  
• 
  8 t0 b9 A( @3 K2 _1 X8 Z
• 
  2 e& R& ^8 O: A5 ^, ~- e- a3 A
• 
    n' x1 I; z0 f* r( G+ B8 ?
• 
  ( u8 E6 \2 n: C
• 
  - I  c4 ~3 a+ j  g* S
• 
  
• 
  
• 
  
• 
  ; j3 K* O) h3 z3 o( l* Q# p
  

######引入库包############importmatplotlib.pyplot aspltimportnumpy asnpimportpandas aspd######虚拟数据########data = pd.read_csv("annual tem.txt", skiprows=1, sep='\s+', header=None, names=['year', 'sta1', 'sta2'])print(data)x = data.yeary1 = data.sta1y2 = data.sta2######画布############fig = plt.figure(figsize=(10,15),dpi=200)######划分子区域############ax1, ax2 = fig.subplots(2, 2) #####画图#############ax1[0].plot(x, y1, ls='-', lw='2', c='k', alpha=0.5) #折线图ax1[1].bar(x, y1, ls='--', lw='2', alpha=0.5)  #柱状图ax2[0].barh(x, y1, ls='-.', lw='2', alpha=0.5) #条形图ax1[0].set_title("plot")ax1[1].set_title("bar")ax2[0].set_title("barh")plt.show()

  @" n# Z- ?  S6 N% ?

                               
登录/注册后可看大图

例：线条样式不同：

• 
  
• 
  
• 
  
• 
  
• 
  : _7 M1 x( n$ z5 D' W
• 
  
• 
  
• 
  
• 
  . z3 ^/ _9 b# K7 a7 \6 G
• 
  6 D! ]  S, ?/ x$ Y& U2 O, i
• 
  
• 
  5 R" X2 e0 s4 l6 o
• 
  + y0 s4 J0 W+ a7 D
• 
  
• 
  : H3 y& P& N( w4 K; d. D2 x1 m3 ~
• 
  7 v5 J# C9 S, [
• 
    A( f* [5 }5 _( v+ ?( C
• 
  
• 
  # i: U. f" K8 H5 |! u
• 
  0 a! M, |6 i* v$ ]2 ?
• 
  
• 
  7 Q" X3 n; D# g2 m! F
  - c; p5 P, S- {* A) V7 s

######引入库包############import matplotlib.pyplot as pltimport numpy as npimport pandas as pd######虚拟数据########x = np.linspace(0.05,10,100)y = np.sin(x)######画布############fig = plt.figure(figsize=(10,15),dpi=200)######划分子区域############ax1, ax2 = fig.subplots(2, 2) #####线条命令#############ax1[0].plot(x, y, ls='-', lw='2', c='k', alpha=0.5) #线条为实线ax1[1].plot(x, y, ls='--', lw='2', c='k', alpha=0.5) #线条为虚线ax2[0].plot(x, y, ls='-.', lw='2', c='k', alpha=0.5) #线条为虚线ax2[1].plot(x, y, ls=':', lw='2', c='k', alpha=0.5) #线条为虚线ax1[0].set_title("ls='-'")ax1[1].set_title("ls='--")ax2[0].set_title("ls='-.'")ax2[1].set_title("ls=':'")#####出图#############plt.show()

/ x: |0 g; |' ^5 u: R& Z# j

: `* ~( i6 ]0 F  y4 D/ m3 Y9 C, B                               
登录/注册后可看大图

1 L" q! ~# C% G* w5 S3 j& G

例：线条的透明度和颜色不同：

• 
  
• 
  . P; j- Z: n. C) W$ n  ]4 q# p
• 
  
• 
  
• 
  # A! s8 L& U, U9 M3 S1 e
• 
  # y5 Y* k# q, U  R7 V9 D  u
• 
  
• 
  * C: c8 B# ^3 m7 ^$ V4 O* Q
• 
  
• 
  
• 
  7 h" Z, N9 H( K( D/ `/ _
• 
  
• 
  1 U: P: j6 Q3 u5 k
• 
  
• 
  
• 
  . ^& b3 u8 n' F* X. T, G
• 
  
• 
  ' z8 p5 L$ V5 A9 i* H# g
• 
  
• 
  
• 
  
  ! G  R) R9 h; J% I* D

######引入库包############importmatplotlib.pyplot aspltimportnumpy asnpimportpandas aspd######虚拟数据########data = pd.read_csv("annual tem.txt", skiprows=1, sep='\s+', header=None, names=['year', 'sta1', 'sta2'])print(data)x = data.yeary1 = data.sta1y2 = data.sta2######画布############fig = plt.figure(figsize=(10,15),dpi=200)######划分子区域############ax1 = fig.subplots(1, 2) #####画图#############ax1[0].plot(x, y2, ls='-', lw='2', c='k', alpha=0.5) ax1[1].plot(x, y2, ls='-', lw='2', c='b', alpha=0.1)  ax1[0].set_title("alpha=0.5")ax1[1].set_title("alpha=0.1")plt.show()