【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("···")

  
  : j2 B  J7 F5 x$ ~. X

只要按照以上六步，基本绘图没有问题！！！

5 Q* s$ v" f5 a3 ~' h0 @
& d5 I' Z2 l9 |' q, R# N

绘制简单气象数据图

• 
  ( [. ~& a; Y5 y' s1 R5 X
• 
  
• 
  
• 
  0 W/ }6 t7 A& P4 i
• 
  ( x1 D$ N! @$ Z3 {0 v
• 
  2 h4 J8 V9 ?  x0 d' t# I0 a* A
• 
  
• 
  
• 
  
• 
  # G8 K+ ?0 V/ E( f
• 
  
• 
  
• 
  
• 
  9 v7 f' B/ x0 h: F; O6 A  l
  

######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")
% i5 V1 Z7 `2 \8 o1 ?, F

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。

$ z, [, K5 }& ^$ K6 R3 {& c" r                               
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。

• 
  + G0 ^5 k( O( u$ H7 g
• 
  2 u# R" I% ^, x6 v/ n
• 
  
• 
  6 i" A& D4 t8 s  Q
• 
  
• 
  
• 
  
• 
  # u. G9 [. F, N/ ]
• 
  ' G% }5 V+ l( a5 R
• 
  . h# ^. i4 o* [
• 
  
• 
  % `" I6 s- o. i9 B& P
• 
  
• 
  
• 
  , e3 X# d! L+ S0 ~1 n6 `! x
• 
  5 Q' |  j* n+ b, V0 F  u
• 
  9 Y, A; b( L* l- v2 p: i
• 
  5 D* Y( ?  g9 F4 I
• 
  
• 
  
• 
  / F  x6 h6 u- J5 N/ n& f- X( D. Z+ m: i& w
• 
  
• 
  
  : k; Q! A* ~. w! W# V& W5 V

######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()
/ @! M& Y! h2 M: r% \5 y

; E7 x# h' ^* B5 P

: [! \2 z) B7 ?) P$ q                               
登录/注册后可看大图

' L% {: I1 A" g) B% m& k" d

例：线条样式不同：

• 
  
• 
  
• 
  
• 
  
• 
  4 l! ?8 B8 K  B( I1 {, e
• 
  
• 
  , `* f- ~3 T1 M" X( U
• 
  0 N, @8 s9 U9 |' q) c/ y  [
• 
  # {! D' ^2 ~/ u! c' m
• 
  
• 
  
• 
  / L8 W8 b$ W( c) E
• 
  
• 
  3 |0 |2 m5 a4 N5 [. _* t
• 
  
• 
  
• 
  5 L+ E! n2 }5 ]7 ?; g* c  ?/ K
• 
  
• 
  7 i& C! A2 z& A! J! z! f% r, \  X1 C
• 
  2 P% y' q' i/ `* l" ]
• 
  
• 
  0 g+ F- P3 ]& ~" K/ `
  : `0 H% L( E* @/ |2 K& k

######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()

4 s: s+ {; s7 C% n8 }/ m) q6 z3 ]

                               
登录/注册后可看大图

8 n6 H' P1 F  l- C! @! v3 Z7 {! G" R

例：线条的透明度和颜色不同：

• 
  
• 
  
• 
  5 ^9 @) x1 F/ Y- Z+ }0 f
• 
  
• 
  ; U4 l( X. B% a
• 
  
• 
  . V8 C3 e" Z0 U
• 
  
• 
  
• 
  ) T! w6 ?& |) C9 \2 u1 x
• 
  ) H+ w; A7 |+ K. R3 b- T7 B
• 
  * i/ s2 P$ q( }: q
• 
  # l( K% F. e# X- O
• 
  4 d# X+ Y0 L  r0 _, z' s) n7 E1 ~
• 
  ' t0 m& J1 A' P% E, g6 ?4 Y9 M# F
• 
  & m( F" \! p+ d' ]3 X
• 
  
• 
  * F  O( m0 N; U  ~6 D
• 
  
• 
  1 v' g' U- @- D( Y6 ~& a
• 
  . B) B6 [6 u9 z
  

######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()