【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("···")

  
  

只要按照以上六步，基本绘图没有问题！！！

绘制简单气象数据图

• 
  - I% m+ ?! W# h8 B" E
• 
  
• 
  6 ^; H6 X- Y1 A5 d9 e
• 
  $ O3 M( N) W+ p6 O0 N/ V: M
• 
  0 I( G' Q% g- `) S9 |
• 
  0 g1 H0 E" g; m8 H3 k- U3 L6 u2 k  I/ ?- V
• 
  
• 
  
• 
  8 O3 ~+ a4 d, Y% E* p# [
• 
  0 {; e0 v( ?( M8 c0 X" B) m* O0 `
• 
  
• 
  8 ?7 d' L9 J% r5 C- {5 Y$ I) |! c
• 
  : L$ r, q. n% o3 s: y/ i9 H
• 
  
  

######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")
$ k  ^5 @( j0 c" [7 l# C! O

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。

• 
  3 h: p) e- ]8 `% S& K6 n
• 
  2 P9 D: \$ v  i8 k- N
• 
  7 ]* r+ V6 K) j" G
• 
  
• 
  
• 
  
• 
  
• 
  5 K: x0 k" |5 y( e2 E
• 
  
• 
  9 j0 m4 t8 j. v6 B; U/ }
• 
  : [. A$ w+ [8 w( ?2 d
• 
  $ z% M  Z2 p. n) R; ^
• 
  
• 
  
• 
  $ ?- z) c" Z2 r: ]' K" `
• 
  
• 
  7 B4 Z- ?+ U/ X) t* e6 Q3 e
• 
  
• 
  ! r4 l; \5 F  O4 E; Q
• 
  5 c; E! q' y& d7 q' Y# a: p' ?
• 
  
• 
  5 i) X$ ~4 B( o+ {% k, K' k9 ]$ e
• 
  
  3 M* W4 {9 r3 e" W9 L4 c% Z5 u, c

######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()

: |1 i' a* T5 S' ?. Q6 G

                               
登录/注册后可看大图

例：线条样式不同：

• 
  
• 
  
• 
  
• 
  & T  R( m+ W: I( Y
• 
  
• 
  
• 
  
• 
  $ y$ F" m' G# f9 O- A3 S; D
• 
  " N* F! W4 Y1 t- D
• 
  
• 
  
• 
  
• 
  4 Z: v; H/ Y. X8 I1 |- X
• 
  ' t+ a# z+ I4 {  R
• 
  
• 
  
• 
  
• 
  - j* ?# J: N8 V% H' D7 M. F
• 
  2 c6 P" \8 Y1 F- Q- p8 c; t
• 
  6 {( a& `8 F' z2 o' n6 C
• 
  8 K, U0 `2 Q1 O0 ~. f8 d+ ?* h
• 
  
  

######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()

/ o) }- v. h6 g! @2 l0 t* D9 C* l9 q

* A" T$ d% A$ G* P% @/ m                               
登录/注册后可看大图

例：线条的透明度和颜色不同：

• 
  , p5 n( i1 h1 J
• 
  : U8 b, Y8 v; W5 P: c2 @5 r
• 
  
• 
  
• 
  
• 
  
• 
  9 b$ i9 v6 W5 D) \- |
• 
  ; w5 E3 S2 H6 `" X1 w
• 
  * J, L4 Y/ c/ N' J5 @# T( q# ^
• 
  
• 
  
• 
  4 h: @4 Q/ T: Y. [9 K; Y- z
• 
  + C; g) e' B9 w: Q  y$ ~
• 
  
• 
  
• 
  " O7 n# x' g8 n
• 
  
• 
  
• 
  & H( E+ s7 j2 e$ k7 r
• 
  
• 
  
  

######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()