【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！！！

) l7 G6 ^* s' N; X

绘制简单气象数据图

• 
  
• 
  ' S; \1 m4 @- ]0 j- g) L5 T6 o. b
• 
  4 `( a  ?2 k, o4 U# L  L8 f3 ?
• 
  
• 
  % p! z, H& ]# ^' d& H6 [* t* b
• 
  
• 
  7 p# O2 m+ r# G& ^, T$ a5 D8 H
• 
  . h6 Y- M* M8 L1 a) Z1 n
• 
  ! ~0 [, _$ |: i" l$ s* A
• 
  
• 
  
• 
  
• 
  
• 
  
  

######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")
8 Z( A2 C: M" w# t2 i* [! r

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。

# i/ U' j( q9 s& q! o) |: ~                               
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。

• 
  
• 
  , P8 @" s8 b3 Z3 o" e# H
• 
  5 `& s0 h: M) {: C9 G
• 
  ' e! t( d5 G' @) T
• 
  
• 
  , [5 W$ p) s, K. ^7 S; O' Q
• 
  # m: }% D4 w: K  V$ h7 b4 Q
• 
  , u  P7 W( A. K8 C' r! W1 ^# {
• 
  
• 
  
• 
  
• 
  0 j! G0 D  i0 p8 N/ P$ w
• 
  
• 
  
• 
  
• 
  
• 
  ) ^- `# {9 x  T9 ~, O- \+ h( I7 i7 `
• 
  $ Y% S6 `1 |; l: N
• 
  
• 
  & Y8 t* M2 ]. z, P9 X
• 
  
• 
  " b1 F* b: T& d( w2 ?( O" d
• 
  8 N9 n3 W- {, A. G+ a5 b; j
  

######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()

3 T( U* R2 _6 b! T

                               
登录/注册后可看大图

例：线条样式不同：

• 
  
• 
  " q+ V5 h, a2 D8 X. d5 w+ k- D
• 
  
• 
  
• 
  ( z6 I3 E! N# Z& P# Q
• 
  : N# v: H) }+ c6 H# v4 J
• 
  
• 
  ' N% t$ d, C6 O$ R' n; C
• 
  
• 
    [% ]. |$ ~. Z$ S2 N. `
• 
  & ~' u3 l7 V! b& _& `4 S
• 
  8 K# w# m# C  O+ Z* m- l
• 
  
• 
  & l* P9 O6 [7 M/ c
• 
  2 p6 m9 E  `; s6 |8 ]' A
• 
    x% Y  S2 n7 c) U6 ~# E
• 
  - b# O) j1 Z' b( B6 e
• 
  6 J- w3 H5 L( |& a& T3 k- T
• 
  2 {6 t3 z' g1 o$ ]: I- }& y; y# ]2 r& X
• 
  
• 
  5 m7 }  [8 i  V+ m8 ~6 \4 ~
• 
  
  / Y6 T& w& P5 P7 z1 x6 X

######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()
# m- C/ R, ]' n/ G6 I

                               
登录/注册后可看大图

3 ]" E- [( ]# G

例：线条的透明度和颜色不同：

• 
  , d: O7 `2 d0 f9 u! ^5 |; v
• 
  
• 
  
• 
  0 `3 R1 G# @, N' f) J: Y
• 
  - K$ U1 z! Y8 B, b6 A
• 
  ) `" |. j1 m" T/ [
• 
  & e6 B! A& K. H+ U( ^* Z- _( K
• 
  
• 
  
• 
  * L) F7 t* S4 F$ \  |
• 
  ' f% h; c6 n0 P7 `! }' m
• 
  
• 
  # R3 t8 I2 d. h2 j; R! j
• 
  * T' K9 \  [# |2 x
• 
  
• 
  5 o# i" b2 e- l- [
• 
  + d4 H2 q& ~3 D. s5 u
• 
  % ~# f9 r" m( C8 ]2 z
• 
  
• 
  
• 
  
  % Y. r+ |% I0 j- O1 b

######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()