【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！！！

绘制简单气象数据图

• 
  ; a% l: @, @' v) V' t( W; r
• 
  
• 
  
• 
  
• 
  ) {+ f$ P7 J& r  L: F/ H
• 
  
• 
  
• 
  
• 
  * i* H3 u2 E0 N5 y* u2 o
• 
  - @- _9 r' k; ]6 ?( b
• 
  
• 
  
• 
  ! V! `) P7 Z9 l" d; m5 B# n
• 
  4 L7 H- D  _' ^* P! z1 M
  

######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")

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。

                               
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。

• 
  ( f0 H/ b5 C7 m3 {, p6 H0 g2 I
• 
  
• 
  
• 
    q4 f+ Z& S( Y" W: a  z
• 
  . U/ l+ ], _* R3 ^: J# U
• 
  
• 
  
• 
  
• 
  
• 
  7 o7 L) m0 s$ U4 _
• 
  
• 
  
• 
  . n% P( p* D6 a& [6 k, g: g
• 
    e) w2 R( M; m+ v2 v/ H& o
• 
  ; n5 \4 f. l9 A" v2 ~+ P! d8 u, s
• 
  
• 
  ( ~. d$ f: s) N9 Y/ h
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  8 @( {/ h/ A- ^1 ?. C  }4 ]5 B
  # q7 ]2 i; D8 ]* f$ q

######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()

/ G; r7 H" X- e- S6 Y; v

                               
登录/注册后可看大图

( C2 z/ T* p  L+ p8 V1 ]

例：线条样式不同：

• 
  % C! M- Y$ D6 R) `  f# H
• 
  
• 
  5 h) P( q4 `! p. d
• 
  8 I: \% D1 g- t3 ^/ E1 i
• 
  
• 
  9 ?" S! H  f% Y7 X. X+ c
• 
  - l! R+ E5 y3 h; C  T$ u
• 
  : L8 B$ b5 X4 K$ r
• 
  
• 
  3 `2 {# ]* g  k1 S& ~
• 
  
• 
  ( |) \) J9 h1 z: B
• 
  
• 
  : o" o6 c3 j, k% n0 U( B
• 
  4 `: i! R: i) y. D, G* k
• 
  + C5 J- t! l2 i2 d
• 
  : j8 o! s/ o# H6 G2 v5 B" y
• 
  8 m, W+ [, c7 O* \  @3 v
• 
  7 R: T- V) O1 v0 b/ }9 c% t8 y
• 
  9 _) ?6 I6 W* k& l9 U
• 
  7 [$ O% p0 {  ~
• 
  + F" b" J- }/ h; h
  

######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()

, A" i. c- N" W# u" J! E

8 _8 z  H5 K/ N. N# M: B                               
登录/注册后可看大图

; ~* R2 {4 s# a9 \0 r! G0 P8 }: G

例：线条的透明度和颜色不同：

• 
  ) W6 s  V7 \+ W% X
• 
  
• 
  
• 
  
• 
  1 m# W6 @* B& `5 |5 y: ~, g
• 
  
• 
  
• 
  
• 
  
• 
  5 M5 M& l9 P7 F( U1 f! o
• 
  : F: V* X5 B( `1 C
• 
  
• 
  
• 
  
• 
  ! Q, z# e! o9 Y+ b
• 
  $ x& u  W6 u3 d9 L4 A
• 
  # t* q& P* ^( \. i$ [: B
• 
  
• 
  
• 
  $ c8 }' u2 P* y7 w- a
• 
    L- O8 V  q9 ]9 }+ {
  

######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()