【气候软件】Python7：气象数据可视化的绘图基本流程

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("···")

  
  

只要按照以上六步，基本绘图没有问题！！！

. S1 k4 l/ y1 h' q) ~6 `
8 r% J% m3 U& F& |

绘制简单气象数据图

• 
  
• 
  
• 
  8 z& j  p6 d% z$ y! g/ R
• 
  9 q' s! F9 P/ g9 X
• 
  
• 
  , _' j) S. ]$ s* k9 Y  J' T
• 
  ) _5 V: o6 @$ s9 E' {
• 
  * \; z; e% a2 _  k" Q
• 
  % A% p, i) A. C* D( |
• 
  
• 
  " e! \) n  A2 Z6 T' `3 W
• 
  ; l8 C8 E2 ^/ Z* [: f
• 
  
• 
  
  

######1引入库包############import matplotlib.pyplot as pltimport numpy as np######2画布############fig=plt.figure(figsize=(3,3),dpi=200)######3虚拟数据########x=np.linspace(0.05,10,1000)y=np.cos(x)#####4线图命令#############plt.plot(x,y,ls="-",lw="2")#####5出图#############plt.show()########6保存图片###########fig.savefig("画布")
6 N) O1 k# u" Z$ y

备注：创建了一张画布，figure里有两个常用语句，一个是figsize=()，一个是dpi.

figsize=(a,b)语句里面有两个参数，分别设置画布的长和宽，单位为英寸。

dpi为图像解析度，过低的话会使图像模糊不清。

4 a! Y- I7 ?( L" L5 a1 X; R6 w* V                               
登录/注册后可看大图

基础的常用绘图命令有折线图（plot）、柱状图（bar）、条形图（barh）、散点图（scatter）、直方图（hist）、饼图（pie）、箱线图（boxplot）等等。

这里的数据引用的【气候软件】Python5：绘制气象资料的多区域子图里的某地1979-2019年平均气温为例绘制两个站点气温时间序列。

• 
  0 l! p- `9 @' k) e4 ]! w( F% _* P
• 
  # A* Z' i' r: I6 V3 x8 I$ y+ T
• 
  
• 
  
• 
  5 W" ~* q. r; S. h7 ?0 j- z
• 
  7 Z% s* K& ]2 |3 q% {9 m# F; I
• 
  
• 
  " c4 t- v5 }, G7 ^
• 
  3 w" C  Z' y: s/ A
• 
  
• 
  1 t, x% u% d: ^. s
• 
  
• 
  6 J5 F( Y4 W' l: w8 D8 y& w, Y
• 
  ) u& J# |2 I2 o% d4 @2 X" g
• 
  # ]9 d4 V: e$ P& L# U4 V
• 
  
• 
  + E* ]0 \+ K3 R' p7 U: ^
• 
  
• 
  
• 
  
• 
  
• 
  + B6 _7 c% Q" Z8 P# \+ V3 l# o
• 
  - }; e6 A. H; X. r- h
  : f: I" v/ X, t; ^

######引入库包############importmatplotlib.pyplot aspltimportnumpy asnpimportpandas aspd######虚拟数据########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######画布############fig = plt.figure(figsize=(10,15),dpi=200)######划分子区域############ax1, ax2 = fig.subplots(2, 2) #####画图#############ax1[0].plot(x, y1, ls='-', lw='2', c='k', alpha=0.5) #折线图ax1[1].bar(x, y1, ls='--', lw='2', alpha=0.5)  #柱状图ax2[0].barh(x, y1, ls='-.', lw='2', alpha=0.5) #条形图ax1[0].set_title("plot")ax1[1].set_title("bar")ax2[0].set_title("barh")plt.show()
! b5 h& `: T$ J/ Y& K3 r' o  ]

3 c) a8 y+ y  l$ |: I" H, G

& k4 K" W, u  C9 W  T3 {& _" _' c7 f                               
登录/注册后可看大图

例：线条样式不同：

• 
  
• 
  
• 
  " ]2 c! q- ^6 ?, q5 d% C& u
• 
    ~+ m& H( e: f
• 
  - ?7 E( C3 |$ [, R
• 
  2 O/ H4 r6 P; f  c' [  `- u
• 
  
• 
  5 e* E9 r( R8 e0 }3 q
• 
  6 ~: i* ]$ y' ^9 _
• 
  
• 
  
• 
  . A1 E' d2 y7 ]4 ~, y* U
• 
  5 @) o0 o# }6 ^9 t
• 
  . \, P+ c+ L1 D7 [
• 
  3 q. u8 s8 J2 H; a  m- K
• 
  
• 
  " R( F- m1 N# w8 `, J
• 
  ) U7 R- f6 f9 ?- l( U
• 
  
• 
  
• 
  
• 
  5 U8 _# j, v* Z8 [
  " \# i( X. M9 e, j

######引入库包############import matplotlib.pyplot as pltimport numpy as npimport pandas as pd######虚拟数据########x = np.linspace(0.05,10,100)y = np.sin(x)######画布############fig = plt.figure(figsize=(10,15),dpi=200)######划分子区域############ax1, ax2 = fig.subplots(2, 2) #####线条命令#############ax1[0].plot(x, y, ls='-', lw='2', c='k', alpha=0.5) #线条为实线ax1[1].plot(x, y, ls='--', lw='2', c='k', alpha=0.5) #线条为虚线ax2[0].plot(x, y, ls='-.', lw='2', c='k', alpha=0.5) #线条为虚线ax2[1].plot(x, y, ls=':', lw='2', c='k', alpha=0.5) #线条为虚线ax1[0].set_title("ls='-'")ax1[1].set_title("ls='--")ax2[0].set_title("ls='-.'")ax2[1].set_title("ls=':'")#####出图#############plt.show()
. I3 ~2 C8 ^1 D

3 k, ?9 U2 l; s! `5 _

, {! R4 s! y* q; k1 X$ u! F                               
登录/注册后可看大图

例：线条的透明度和颜色不同：

• 
  8 U! s& b, D) U3 d3 q( ]- c( o# M5 o
• 
  
• 
  
• 
  $ a1 w* Q  D3 @# w; y4 f
• 
  
• 
  2 {6 }  t& {2 x3 ^( W1 A& Q: a' j
• 
  & B) K3 E- f8 a2 ?6 g/ [9 e; X
• 
  * Y7 [+ C8 a! V, V4 x
• 
  
• 
  
• 
  1 J" y) M' {) P5 P) W
• 
  
• 
  
• 
  1 G* P( U# k1 _" j" X% W
• 
  2 k8 z. A, {, g; l4 B( ^  C
• 
  
• 
  : ]% ?3 L$ d% m2 C1 \
• 
  ' U$ K- R# F" e! w2 R- r6 y
• 
  
• 
  5 g2 z8 v0 e* l
• 
  / T  c$ C' Z. C) k6 C+ Z9 U8 u6 V
  

######引入库包############importmatplotlib.pyplot aspltimportnumpy asnpimportpandas aspd######虚拟数据########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######画布############fig = plt.figure(figsize=(10,15),dpi=200)######划分子区域############ax1 = fig.subplots(1, 2) #####画图#############ax1[0].plot(x, y2, ls='-', lw='2', c='k', alpha=0.5) ax1[1].plot(x, y2, ls='-', lw='2', c='b', alpha=0.1)  ax1[0].set_title("alpha=0.5")ax1[1].set_title("alpha=0.1")plt.show()