【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：

• 
  
  

conda install Matplotlib

5 t5 R$ Y/ U; Y

/ n* P, n3 A9 g1 N2 B, V

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)

• 
  
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  $ |) y! m6 M/ D) {
• 
  ) {7 V4 K2 ]" }" E- l! n
• 
  
• 
  / O9 R0 Z4 o5 B6 `& h6 M0 F  l! 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()

代码读取后显示：

6 q% E4 a6 ?2 z9 H5 R6 @: e/ y0 m8 G

---

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

• 
  : B/ b+ S* z' D! p
• 
  
• 
  
• 
  6 T* _- q3 U% a
• 
  
• 
  7 d: k% o% m+ J1 O; M( t/ G) D
• 
  , T; x; f& t! p0 Z4 d
• 
  
• 
  + \4 z( n# R# J3 u7 _' M
• 
  
• 
  : g" u# L1 b' q* o6 Y
• 
  6 y& o9 Q( b9 t
• 
  : \# G9 z0 `  a
• 
  
• 
  6 ~9 \* d1 M/ O: }8 f' g
• 
  
• 
  0 |) ?& R. H9 g3 \8 A# S
• 
  ) |7 t) P9 ^' c, f. \
• 
  
• 
  % ~. Z. b7 z* t0 a; H
• 
  ; h- j; r; ~8 j1 S# ]" Y1 s
• 
  ! N  Z6 \. ~3 T2 X4 R
• 
  
• 
  
  

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()
$ W  @' G1 T; P0 ^" l* U+ a6 x. j' y" k

所有的内置样式有（print(plt.style.available)）：

: _% Q. Y7 E$ M5 b6 X# X

2、选择其中一种样式（plt.style.use(‘样式名字’))：

如'Solarize_Light2'：

• 
  $ z8 k4 B# M; B5 C( n
• 
  
  0 B8 l2 [  m) v2 _3 _5 _! v

plt.style.use('seaborn') #使用内置样式fig, ax = plt.subplots()

# k& X% y3 b4 |  f& e* B1 S3 |% F5 H

如'bmh'：

• 
  6 X$ S* f, U0 W0 L# W
• 
  
  4 H- N! z" S, N) H4 r# [7 ^

plt.style.use('bmh') #使用内置样式fig, ax = plt.subplots()

其余的样式同理可得。

第4步：使用Matplotlib绘制简单的散点图

• 
  
• 
  
• 
  
• 
  1 v8 Z0 c9 s8 v# r
• 
  
• 
  " h; _) u/ K4 h: B
• 
  9 d+ X0 ~8 j3 M! l& F! e' J/ t
• 
  
• 
  
• 
  
• 
  " _* u/ |4 x7 r
• 
  / A. u3 g* F6 M! f% w! {9 e4 [
• 
  0 ?: R/ }$ ^5 `
    L7 S: q5 j# u

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’。