【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）。

第一步：使用anaconda安装Matplotlib库：

• 
  + w  }3 I, g9 h' `( G
  

conda install Matplotlib
- m. X" `# m, M7 J

) \0 ?$ h# w. @  X( [

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)

• 
  
• 
  
• 
  7 Q7 G  D- Y# d. `& S9 {+ Q
• 
  ) m% P% }/ b! I# U% I  m
• 
  
• 
  3 G, d7 O- z1 d0 E: n
• 
  : M* o3 X4 w8 L& q
• 
  ; d, x( a" l1 h
• 
  & O  _5 i% j- E6 y! i- n
• 
  - x) k6 s! c0 J+ E
  3 x7 N6 u% S0 F

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()
" @1 n- z. M1 Q0 v2 P0 ~1 \7 e

代码读取后显示：

, Z  t2 j$ G! q. g. K

---

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

• 
  
• 
  
• 
  ' ]0 d; C. c/ n8 f4 d
• 
  0 z( F5 L& u/ j
• 
  + x2 i: b7 E) u, |& \) o' p1 Y5 z
• 
  , u# ~  l1 i( O0 i/ V# E7 s; M
• 
  
• 
  
• 
  
• 
  5 c  _3 q- U9 O( G3 G& k
• 
  9 W8 H4 ^8 d4 k6 \$ i- O
• 
  
• 
  
• 
  % `5 _5 s" w9 T9 r* b- c5 M+ X
• 
  8 i+ J8 i& L* |- {
• 
  
• 
  $ U, M+ E6 r7 v' D$ ^, X; c
• 
  
• 
  
• 
  & I& z8 d6 {' \$ S! l. q: V
• 
  - f. b5 b7 `+ f
• 
  
• 
  % T0 d1 V8 `- z8 E, z
• 
  
  1 |& S) J/ M. y4 c( j

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)）：

2、选择其中一种样式（plt.style.use(‘样式名字’))：

如'Solarize_Light2'：

• 
  
• 
  
  ! o, w+ D3 [0 n0 A1 C

plt.style.use('seaborn') #使用内置样式fig, ax = plt.subplots()
8 @( p: \) d7 ~

6 R: g% v/ o# q/ A

如'bmh'：

• 
  
• 
  $ H$ q% z+ P, H# J5 p9 c% o; t
  

plt.style.use('bmh') #使用内置样式fig, ax = plt.subplots()
0 r" |2 D5 C0 s" [2 }

其余的样式同理可得。

第4步：使用Matplotlib绘制简单的散点图

• 
  
• 
  ) l+ Z8 V) f. ~# A: E
• 
  
• 
  : N/ M8 |, H7 j, _6 I$ _
• 
  9 |# @* n' S7 c8 Z
• 
  9 ~/ c/ J; x- T
• 
  ; X3 C* s) r8 z% r& F/ L$ x- C
• 
  $ Y7 o! J& o  j/ f) K6 [! B2 ^" u
• 
  % z; ~7 }, X% E& ^* D
• 
  
• 
  0 z9 [7 G* m* B% h
• 
    ~  Q- q, p' o' }# s( R- j3 M! a
• 
  : p# k& S$ D( g. `2 `2 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()
& P$ V: {& l5 g9 q% S6 Q

注：内置样式可以更换，这里选择的是‘fast’。

+ v) M' X# c$ @$ P$ Y/ M