|
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。 . H! o" K9 ^; ?$ G" P: t! Q! D% ]
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("···") . e* u- ~9 I* S/ d T
只要按照以上六步,基本绘图没有问题!!! 9 Q6 |+ a2 S5 C7 x3 K0 J
绘制面积图和填色图
(有的时候需要画这种交差的填充图,能直观地表达差值的变化和含义。)
下面直接上代码(关于代码的解释已在注释中详细说明,应该能理解):
5 ]% j: } S5 G/ x, p- ' v, V" [& m; J8 Z. L! x
$ v* {8 C5 n# a/ i/ W& I, V( A- ) Z' P# l% c$ R2 U3 p) {
1 ^0 F, r4 k6 Q! I- ; U+ s! j% O0 D0 w4 w% \6 A0 w
- * c; H- k/ z) ]8 I! O; G- N1 K; {( Q
- ( E$ ^: X& i. \7 x& b/ j* [
- 6 N/ E# A3 {8 N6 h1 v0 R
- % g, _# p/ R- {
- * O$ v4 @3 Y, x8 d" Y& l
- ) @* y8 p) Q9 s& R
- - r. N# \+ R; E
- 5 | j5 ]/ \' r |
) Q; B; D" `" e9 u3 `& f, T
: u" v* ?( k" j- y. f, ^( p- 3 b. w; y- H2 S. P( y" A; J/ A3 O
" O4 \( E D' x, V7 Y- ; `) U: d$ q. U8 t" A/ o
; H8 U7 T& [5 u3 K( l8 E- 8 Y: L" P" m3 X; ] b2 H0 ~. i
- ' a$ ]2 q% [2 R( r) V" a3 G% X0 p
& _! T8 N% e5 h7 ~3 J
( u* v/ V, n; O( M
: _3 m3 R4 W' u5 l2 T% y
' y3 u7 i `1 x0 o$ B- U5 s" J, X0 y: G( ~ y h
- 7 N" K9 \; P% h. V% Q
9 i \+ W3 M3 a9 k1 E# l" K) {! ?
: X. I8 J( Q% i' }8 m/ G( }% e
6 R$ f6 H+ c0 G4 ^# l
3 X9 a8 ?3 }$ f3 z- % k, D Z& V/ V! V
* X, n O- i# n6 r1 D- c8 d
4 E" s F" x# r& T- A8 r- B1 I
$ f/ l6 ^5 A K; s# H& ?- 2 t, e% i; m: R
! G U+ v% ~9 n3 G0 R
, r* m/ F/ I1 U7 I9 T: T- X
& s/ c4 B- f# z3 m) W- / E7 G. f) g! q& C) U9 q
8 Y a8 w R* [ m- 4 h4 P, L7 L0 w, `
- 9 m1 h' i" o" W1 E" Y$ k- G& C* m) x
. L; M4 A- p( K* q! V
#引库importnumpy asnpimportmatplotlib.pyplot aspltimportpandas aspd#中文及负号处理plt.rcParams['font.sans-serif'] = 'Microsoft YaHei'plt.rcParams['axes.unicode_minus'] = False#画布fig = plt.figure(figsize=(15,6), dpi=200)ax1, ax2 = fig.subplots(1, 2)#数据x = np.arange(0.0, 2, 0.01)y1 = np.sin(2*np.pi*x)y2 = 1.2*np.sin(4*np.pi*x)#绘图#子区域1绘制限定区域填充图labels = ["Fibonacci ", "Evens"] ax1.plot(x, y1, ls='-', lw='2', c='k', label='$y1$')ax1.plot(x, y2, ls='--', lw='2', c='r', label='$y2$')ax1.legend(loc='upper right', fontsize=10) #图例位置#ax1.set_xticks([]) #取消横轴刻度#ax1.set_yticks([]) #取消纵轴刻度ax1.set_title('fill between where') #图标题ax1.set_xlabel('x') #横坐标标题ax1.set_ylabel('y') #纵坐标标题#填充图还支持限定条件下的区域填充ax1.fill_between(x,y1=y1,y2=y2, where=(y1>=y2), color='skyblue') #对y1>=y2的区域填色ax1.fill_between(x,y1=y1,y2=y2, where=(y2>=y1), color='yellow') #对y2>=y1的区域填色#添加标注。xy:标注箭头想要指示的点,xytext:描述信息的坐标ax1.annotate('y1>y2', xy=(0.3, 0), xytext=(0, -0.5), arrowprops=dict(facecolor='black', shrink=0.01))ax1.annotate('y2>y1', xy=(1.7, 0), xytext=(1.8, 0.5), arrowprops=dict(facecolor='black', shrink=0.01))#子区域2绘制堆积面积图ax2.stackplot(x, y1, labels=labels, color='yellow') #堆积面积图ax2.set_title('area picture') #图标题ax2.set_xlabel('x') #横坐标标题ax2.set_ylabel('y') #纵坐标标题#出图plt.show() + m/ R. |6 j5 S5 a/ r$ w- W G6 U
|