|
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。 4 ? E8 N- R6 E: o) M
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("···")
' S: s& j4 W, u: D X, S$ ^4 U9 ?
只要按照以上六步,基本绘图没有问题!!!
$ q( i! w. z( m- |" ?9 y6 d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):
. U$ x( l9 p I
6 c. g8 i: M$ s
e1 @4 j; e6 s
: l/ ` w( t7 `' y1 E
/ Y4 G( k# b7 n9 C; n6 D: d$ e- ; y, T+ P# Q+ a0 k2 Y
- 0 ^: X J# @- F t3 v! C) s; x7 t
6 t1 [0 w" z8 G6 a; ~. y- & r9 U& ~4 K0 O0 f E% h4 K
, [$ P3 l$ k: x! h7 w/ I6 |
& M! u0 k9 n, n( a* D
( P/ I7 }- k0 c% Z/ e1 I$ l- 2 V. N7 J( N1 o% t% p1 G
- , p1 [9 f2 Q- w# |" v7 Q) R/ C7 G& z) [
- 8 p: `7 R3 w6 S
; h9 J) |- h- w- x0 V
& l1 b) z) _+ j- - T4 j) b5 |( x5 Y$ m
& k; K0 p+ v# x& y- # r$ P5 {; Z, h" Y. C
- . X) B8 p/ A! H! R6 c
4 |4 \! M$ J% o
, s& t( g% B1 V, F
( S+ L2 u2 |! P) r9 q3 b% B* D
# f: R, W/ k1 x! Q2 t" g1 E+ B- ; `4 @ d8 c4 f+ T6 _& N& ^* h
4 |2 D. y. r! X9 x& a h- & O7 C- Q* f& }- a% O2 ]8 K
- $ x4 u+ H. w; Q) D1 ` Q
- * d. o% q! h. D4 B- k2 u
- # E+ h7 K) K; ~
- . c; v- ^$ R# ?
- + ^; S' S7 c1 O% K% p
- 5 t0 J! n) L8 K- ?
& f1 ~4 [1 J6 K9 \1 O- . S8 o& m N# D8 Y6 ~) ?
) m! I. V: C% L9 P9 T, `8 b1 e- $ E4 i; B* v5 P! L3 B+ V3 X# x) z
0 o. ?' g5 N% Z' l# _) F- 9 Z0 y, T: f% `2 m* j+ `( F
- 5 t6 n7 {5 M/ J1 t1 Y
- 7 [) S; @6 M) ~/ C" I. x* b8 K
- 6 K* e( i$ l8 O3 e1 n
- ' d" u- f) I/ O1 \
5 L1 M e& i. K- Q
#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() 2 Y* b5 F$ ]1 a9 s, ?
|