|
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("···") / z# {. M0 d" a: k! O' W0 H
只要按照以上六步，基本绘图没有问题！！！
5 Y8 N- w% ?! b, {5 e# h9 Y( U. p [4 N
. n, }0 k2 K5 } v绘制简单气象数据图 - + ~4 F0 r6 W! M0 }4 E. r+ U
- # O$ r+ w {3 X' h$ j
- $ F" A& A) U3 G& U9 j1 p
# W$ I1 q8 n1 G2 t C: u, l
t" G- r/ H$ A, D3 C# G* e
) E( c- F; Z4 U5 s- ! \5 f( I2 p, f4 C5 ]# b
9 g3 I5 X5 |1 `! k
. O1 \6 ~! K9 t4 K- : {6 T2 p6 t" N1 s' |+ {0 D# z
0 G; d9 @. [* U! }! H/ g [- g- 4 T9 ?3 e- [9 b f# t$ j9 k, ^
- 4 v$ C* h( b1 S6 x6 d) m2 ^2 @) @; N
b3 M& ?# ?8 i5 c ~, G0 ?1 R4 d" M, F: W, O7 z
######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")4 ?. l$ h" G% s, B4 Q
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。 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。 - ! S+ t5 c9 Y3 @1 Z9 c5 p1 Y5 I0 i& C
+ A& G5 C! I" g5 E- r
& r& J- {( w2 o- . o0 N+ J% w6 V5 f$ O& L
: {3 h0 r6 h0 r& P( E- 6 ?9 e) A0 B0 C3 M2 M7 M$ M# `
- : U: H4 Y% Q- C* e2 e
) Q1 c ]1 X0 A ~/ ?- $ c" S! S% i& o* e$ p# r4 i
- 7 Q, Q/ N9 ~7 t; j9 R/ D0 G4 V$ Q+ ?
- 6 e* b( M5 U' Q3 D/ Y, \/ {+ h
* C% X9 c& c2 t3 L# j+ v
9 j3 \( `( K$ F& `
9 Q" x- f) E F5 }4 a* H
0 t* M7 @! [6 B1 P6 Y' w) g
* q! A% {( U9 V& q) ~/ g
8 a2 G* @: z$ N+ w4 B3 u$ I# y- 3 j, }; L# Q, N( s
. v1 t6 \! \# P% n7 t- : |+ B' C6 b+ a0 E% h
- 7 A8 A! T& U* T3 N& ]
/ X P1 W6 `5 u7 A* I" y
6 t5 W- k$ p* N4 t) n
- \6 D V1 Z8 f' z$ j' i& F. d: f
######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()
0 o: ?# H* W0 o% }: Z# A( v8 V 1 H9 l# a& p: X; G; @( M
. P8 Y! ~, Q- o9 u n* u
例：线条样式不同：
- * J1 D; z7 B7 J/ E" f/ Q" u- t
# B$ g+ I' c O8 Y
' t5 {* ^9 B( V" j# I# S- 0 s8 v+ @6 R& Y9 f8 A, p4 ^" Q
) p* ~ D3 w! I- & z- ^7 F( F; {+ f' \; d6 n! o# D) M
- 6 Z v3 w; q: V4 N+ {
' M% ^) r6 b5 g8 I+ D- 2 J) ?/ J; d" a1 \5 [) b0 i4 W2 R
; b4 P, i, E8 J+ x! `- a( z( M% o9 L) g6 y4 m
5 S2 j1 s3 G) k0 B0 v4 k4 {% ^- 2 I/ V4 B/ j$ B! H+ M
- 1 @9 K' t6 }2 _ R* S
* @, N8 R; u9 f3 S' z
8 h; H, `" ?$ \# J1 r( m- ) {' P6 }( Q. ~, b& O1 l& N
/ g9 s# S6 M! ?3 J3 s- ' }8 r k H1 d3 U: d4 o
- & }' @( W, X& `& T
0 @/ {! d2 w% ~( O% l! n4 K3 A u- x( U" N
- Z, m" ] Z) c: @8 k' b# E+ t! a- ~4 H( V+ m& n- e
######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()
T: E& D- t6 f* h5 @ : m) g- B3 G( D6 V" B/ l7 @
% o( d) O: u! P- I a3 [/ {- F
例：线条的透明度和颜色不同：
- 4 g* @" k$ L) {0 O
2 O1 ~; `0 B1 ~/ a% L% d$ S' m
; B' i% g `( z# u, m+ Y- 9 y! S Y- T3 A
" K }6 U4 J9 V" e- e
/ d% O. a/ w4 |8 [& o4 m0 r
7 n: |: c' K, S; }; K
! N7 k/ @) q3 t- w9 v
( S! W$ P- c4 Y r" F# N) L8 k) Y( j- + \( s# n6 L9 A6 r9 C
- 7 U8 S7 H7 j9 V. z4 S# s/ Z( E6 E8 j& a
- & V, L+ v" l$ k6 _' r1 J
, D' ^6 S* D% Z- ) o4 \" i m# B& V/ s; P
- & @+ T) Q# z6 {2 d3 n! ?
7 o- d3 D7 B6 m! k
: M7 m, C: h" p2 E% w2 K+ k- . G# I8 q4 g% b' T9 h( r; Y! @
- ) k. x6 {5 I' g! |, V' u
- ( {* b- |/ J% ?* l2 w2 h/ L
- , ^3 E9 W7 s* G. f6 y$ x
% S9 b5 X* n* u. D) f. j5 C
######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() |
