|
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("···")
( @# X5 w! j! B6 ?
只要按照以上六步，基本绘图没有问题！！！ * T/ c- J+ V$ {. z) z7 U; C
1 d- _" T: L" G* |) ~
Cartopy是一个Python包，用于地理空间数据处理，以便生成地图和其他地理空间数据分析。Cartopy利用了强大的PROJ.4、NumPy和Shapely库，并在Matplotlib之上构建了一个编程接口，用于创建发布质量的地图。cartopy的主要特点是面向对象的投影定义，以及在投影之间转换点、线、向量、多边形和图像的能力。 - L3 S% L: |5 G
绘制简单气象地图 Cartopy公开了一个接口，可以使用matplotlib轻松创建地图。 1. 使用anaconda安装Cartopy库： - ; |$ f) r8 m. ~- f3 M+ [& i
/ T/ e( o2 s- K
conda install Cartopy; C" D V) _ [5 _6 g \; E9 z
% g$ u# d! t& c7 c2 x# O! ^& g" `& m/ K# k
r. y; K ^* m9 k; P z2. 工作在多图形(figures)和多坐标系(axes) MATLAB和pyplot都有当前图形(figure)和当前坐标系(axes)的概念。所有的绘图命令都是应用于当前坐标系的。gca()和gcf()(get current axes/figures)分别获取当前axes和figures的对象。通常，你不用担心这些，因为他们都在幕后被保存了，下面是一个例子，创建了两个子绘图区域(subplot)： 例：绘制图中图
& d+ ]+ J) g9 u/ f0 d
0 x2 G- J! Z, C% S! u- D
6 O! [4 \) O/ {) P' I
) C6 E9 {" w1 j5 ~( y+ X- v u" ^9 N8 X' S: a/ ]8 ~& e8 P
- 0 a6 }/ u9 W6 J; w+ A
0 }8 q. R. \3 F5 x% ?! [
$ i4 |$ `9 T' m# s- ) H( C4 }6 O6 t7 n& k4 c8 Q8 t a) x( I o
- 6 g- L! p3 n& g. f
- - b1 u- Q/ F3 M/ [
- ) P1 K9 u v( Z% i, p6 g7 |
% u' }8 E3 C6 R- * a% F& e2 C. k( W4 V# j! C
- 6 a& T# b n6 B" M; D* F" t# U
9 W; g6 f+ V( { f- B
* l! g8 x( g/ i
/ H/ a* x% p- b4 Z- 5 M) P4 r. f5 ~
4 `; I$ R) {0 {5 Z0 p6 O- 8 P2 F I5 S) p$ b1 v5 d
- . m$ j+ p3 A1 S: H5 Y
- 8 S$ z- e& Q! K" e) b
- 5 j6 a: B9 n6 Z! k9 G2 D2 Z
; @% D% V* E* A& j3 H- % a' B- A9 g% s' G/ `# F
7 S# ?) Q! |: c( x$ p. O- / P Z- v0 @( [. [- K: u5 Z' ?
u3 G6 M) E3 K- J. E& a
importnumpy asnpimportmatplotlib.pyplot aspltimportpandas aspd#新建figurefig = plt.figure() #默认的画布大小#读取某地1979-2019年年平均气温数据共40年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#新建区域ax1#figure的百分比,从figure 10%的位置开始绘制, 宽高是figure的80%left, bottom, width, height = 0.1, 0.1, 0.8, 0.8#获得绘制的句柄ax1 = fig.add_axes([left, bottom, width, height])ax1.plot(x, y1, 'r')ax1.set_title('station1 annual mean temperature')#新增区域ax2,嵌套在ax1内，看一看图中图是什么样，这就是与subplot的区别left, bottom, width, height = 0.62, 0.15, 0.25, 0.25#获得绘制的句柄ax2 = fig.add_axes([left, bottom, width, height])ax2.plot(x, y2, 'b')ax2.set_title('station2 annual mean temperature')plt.show()
! F# B: y9 K# g7 _: N$ j
8 A, m5 C% @- e
" A) \ B; l$ [) c6 n7 i3 X$ I5 k7 ]' C* h1 u) N( ?
| 
