【气候软件】Python3：数据可视化绘图（折线图，散点图）

掌握了数据读取的方法后，就需要将数据可视化，进行绘制相应的图形了。

1. 使用Matplotlib绘制简单的折线图：以一组1981-1990年的某地月平均气温数据为例（数据信息如下图所示）。

3 M: O, [* v- |# P
- o+ Y3 e4 \/ \+ {0 n

第一步：使用anaconda安装Matplotlib库：

• 
  . Y1 J2 u( E& q/ g, R- ?+ x& b  _
  5 ~& N1 {7 W4 ]6 t: e3 m

conda install Matplotlib
  S. G. }3 w0 {3 b

! f0 V( \3 H3 e- e' q/ Q

+ |) T, c# D" ?' c& O

第2步：绘制折线图

subplots()可以在一张图片中绘制一个或多个图表

fig表示整张图片，ax表示图片中的各个图表

plot()根据给定的数据以有意义的方式绘制图表

只输入一个列表时ax.plot(squares)，假设第一个数据点对应x坐标为0

同时提供输入和输出ax.plot(input_values, squares)

• 
  4 [2 f9 m, F' Q2 V+ U! h9 \7 A2 D
• 
  + F/ i( U  b# K  Z, b+ h
• 
  & f5 y7 B' @" ?
• 
  5 B/ U- [" r1 G6 a( ^' n
• 
  
• 
  
• 
  0 s4 t9 Q% z8 b. `, r
• 
  
• 
  
• 
  ! s  V5 E" L$ }) l6 C: v7 ~2 ~
  / ?6 g; M. I. I) S" u1 q

import matplotlib.pyplot as pltx_values = [1981, 1982, 1983, 1984, 1985]y_values = [22.8, 22.3, 22.9, 21.8, 22.2]fig, ax = plt.subplots() #绘制画布，地图ax.plot(x_values, y_values, linewidth=3)ax.set_title("1981-1985 temperature", fontsize=24) #标题ax.set_xlabel("time(year)", fontsize=14) #坐标轴标签ax.set_ylabel("temperature(℃)", fontsize=14)ax.tick_params(axis='both', labelsize=14) #刻度标记plt.show()
, _, z+ I# I: d4 j' }0 e

代码读取后显示：

$ C) W4 h$ j- Q3 A6 R0 L' V

---

第3步：使用内置的不同图形样式绘制折线图

1、显示所有的不同样式的图形，共有20张

• 
  ! |: s0 J. p0 a3 j# {. g
• 
  / ~3 f( J5 s$ g. W7 j0 J& c6 u
• 
  
• 
  
• 
    ~) `0 s. N' |
• 
  
• 
  - [& h+ S* |8 u) D$ g! e
• 
  - j0 s# H% ~% }6 ?  s0 U* _9 l- ^# m
• 
  ( h: P5 l, P* B
• 
  8 S8 w+ a6 f" \- Z9 C' ]' }
• 
  # E9 w3 H) v5 L+ Q2 U
• 
  
• 
  
• 
  
• 
  0 k0 z1 \9 h7 ]! _$ h
• 
  / }+ S) S7 ~. r! T4 N
• 
  
• 
  $ a4 }7 F7 M; `3 [
• 
  ! R* N2 @2 u+ R. ?
• 
  
• 
  
• 
  8 n* Z3 r8 }/ a: z! X7 W2 @
• 
  6 g# s6 p4 q. O0 q' ?% D$ g
• 
  
  6 g5 P  O0 j- Y8 D

import matplotlib.pyplot as pltx_values = [1981, 1982, 1983, 1984, 1985]y_values = [22.8, 22.3, 22.9, 21.8, 22.2]fig, ax = plt.subplots()ax.plot(x_values, y_values, linewidth=3)# 使用内置样式画图print(plt.style.available) #显示有哪些可用的内置样式mystyles = plt.style.availablefor mystyle in mystyles:plt.style.use(mystyle) #使用内置样式fig, ax = plt.subplots()ax.plot(x_values, y_values)ax.set_ylabel("temperature(℃)", fontsize=14)ax.set_xlabel("Value") #坐标轴标签ax.set_ylabel("Square of Value")ax.tick_params(axis='both') #刻度标记plt.show()

所有的内置样式有（print(plt.style.available)）：

! F( W2 k* S  v6 ?1 V# F: q+ x

2、选择其中一种样式（plt.style.use(‘样式名字’))：

如'Solarize_Light2'：

• 
  
• 
  " Y% Z  @6 j) f% c, e2 P
  

plt.style.use('seaborn') #使用内置样式fig, ax = plt.subplots()
! R  v; G' I9 s( N: \2 e

如'bmh'：

• 
  
• 
  
  

plt.style.use('bmh') #使用内置样式fig, ax = plt.subplots()
* ]; G, a  s& U* [* g

其余的样式同理可得。

第4步：使用Matplotlib绘制简单的散点图

• 
  
• 
  
• 
  : ~' d  q& X/ _/ H: k0 b1 \! c
• 
  , @. N6 V) ?- k6 o1 H$ h5 F
• 
  & o4 ~4 Q- P: Y$ m8 y/ d2 y, b
• 
  $ A0 D9 d3 w0 x1 E
• 
  
• 
  
• 
  + f5 y  g. \. D
• 
  
• 
  
• 
  4 M5 [( r" h" ?' H$ |7 m" \
• 
  6 z9 m0 s3 e  O* b* i! T/ j' u
  / F2 _* b; ^: |" E) V

import matplotlib.pyplot as pltx_values = range(1, 20) #取连续的1-20的整数y =  [x**2 for x in x_values] #x值的二次方为y值plt.style.use('fast') #使用内置样式fig, ax = plt.subplots()ax.scatter(x_values, y, c='red', s=50)#绘制散点图，传递x和y坐标，点的尺寸s#颜色c，可用设置为'red'，(0, 0.8, 0)ax.set_title("1981-1985 temperature", fontsize=24) #标题ax.set_xlabel("Value") #坐标轴标签ax.set_ylabel("temperature(℃)", fontsize=14)ax.tick_params(axis='both') #刻度标记plt.show()

注：内置样式可以更换，这里选择的是‘fast’。