|
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。 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("···")
4 J, q0 D( a8 f, y5 W, T
只要按照以上六步,基本绘图没有问题!!! + ?! w6 I- e+ t2 o
3 \& _# j9 w4 Z0 r
Cartopy是一个Python包,用于地理空间数据处理,以便生成地图和其他地理空间数据分析。Cartopy利用了强大的PROJ.4、NumPy和Shapely库,并在Matplotlib之上构建了一个编程接口,用于创建发布质量的地图。cartopy的主要特点是面向对象的投影定义,以及在投影之间转换点、线、向量、多边形和图像的能力。
5 `& J% D4 B6 w0 e/ e绘制简单气象地图 Cartopy公开了一个接口,可以使用matplotlib轻松创建地图。 1. 使用anaconda安装Cartopy库:
3 @- w' F6 q9 H5 C8 f8 v" S
( U+ j9 A" V9 @& b+ s) q/ s
conda install Cartopy2 U/ U9 ~% S& j/ j' f# s
6 e9 q% }( z. Q4 o/ K; i" K1 }" b! e# ?0 r9 }
7 v1 i) Y$ J( n* l2. 工作在多图形(figures)和多坐标系(axes) MATLAB和pyplot都有当前图形(figure)和当前坐标系(axes)的概念。所有的绘图命令都是应用于当前坐标系的。gca()和gcf()(get current axes/figures)分别获取当前axes和figures的对象。通常,你不用担心这些,因为他们都在幕后被保存了,下面是一个例子,创建了两个子绘图区域(subplot): 例:绘制图中图 - + I1 }" e# p/ Z) u6 l. k! K, h9 f
2 J2 k6 q& J' N7 I8 G4 W" P- ( ~& h" [+ a* N* e: K: `$ K
+ T) _: D, N- U
2 C. n: c/ v' O9 D# S- 5 y6 z. U/ G- u4 K. Y% N* m
" n* M t; P6 s/ ]3 L
2 S3 D5 g! @9 `- : H0 P$ }/ k. K& T% @4 {- y6 B
. Z1 C7 ~* C6 k: s
0 l" R2 ~$ U: e
5 }. b' H/ W2 e8 |+ ~: Z$ _1 G- ' @1 e; b; F9 X0 v1 k2 l
- # s$ z$ E: B3 v) C' G
- 4 Q9 l4 d+ @4 }( e. H/ M4 k2 H3 W- d2 e
- $ o& k! m& T7 g' Y. G
- 8 E5 N1 `# N* y% O; G9 @# H
% z; f6 c3 A) N* W' B) V2 Y( i
6 ^6 m1 T$ w6 I$ I7 ?
5 ^8 {# B9 i. H$ n- 0 W( D6 |7 n8 n2 D5 v9 w
- - h+ H, t& Y; l$ ], W! ~# f" f2 a% ^
/ R+ a& @7 G: {# s& v# K; H
0 [$ v/ ?5 h- }' m! j- 7 \+ d! y9 } P6 F) ?6 a e
- 2 a! r1 B$ H" C7 K9 g6 X4 Y
- ; A$ W) `: T9 K) {& g
- ) F+ H# x& f# u0 g3 K$ P: ]
! K+ K# i+ K7 z0 a2 z) y5 r
importnumpy asnpimportmatplotlib.pyplot aspltimportpandas aspd#新建figurefig = plt.figure() #默认的画布大小#读取某地1979-2019年年平均气温数据共40年data = pd.read_csv("annual tem.txt", skiprows=1, sep='\s+', header=None, names=['year', 'sta1', 'sta2'])print(data)x = data.yeary1 = data.sta1y2 = data.sta2#新建区域ax1#figure的百分比,从figure 10%的位置开始绘制, 宽高是figure的80%left, bottom, width, height = 0.1, 0.1, 0.8, 0.8#获得绘制的句柄ax1 = fig.add_axes([left, bottom, width, height])ax1.plot(x, y1, 'r')ax1.set_title('station1 annual mean temperature')#新增区域ax2,嵌套在ax1内,看一看图中图是什么样,这就是与subplot的区别left, bottom, width, height = 0.62, 0.15, 0.25, 0.25#获得绘制的句柄ax2 = fig.add_axes([left, bottom, width, height])ax2.plot(x, y2, 'b')ax2.set_title('station2 annual mean temperature')plt.show()
# }1 m% A; O, \- D# S
4 @2 s3 v- H. p, t' U9 i
4 l+ k4 ]) n- q) w2 R4 t( v( o
8 `. @( _6 y6 L' c0 u7 X |