【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("···")

  
  $ F/ i4 o) @: ]# K

只要按照以上六步，基本绘图没有问题！！！

; L. Z2 S3 S5 i8 s) @

绘制简单气象数据图

• 
  
• 
  ) ?, R+ u% W# t2 g# J* n
• 
  
• 
  
• 
  
• 
  / o5 O+ l2 r& a
• 
  
• 
  ) T  k& P! P; {0 \. W( t
• 
  
• 
  ; L! u9 O- g, i$ H4 O! w
• 
  6 x& U6 E/ B% t  W* u
• 
  - H% c: h8 j+ V7 P1 i/ Z) G
• 
  " g2 P2 j& k. s4 e) U0 E4 L: D
• 
  
  

######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")
, M& S2 t$ t" V2 ~

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。

• 
  
• 
  ( W8 i  e% A% R5 W" o: m* ^
• 
  ; a4 r6 X$ s* c) i
• 
  
• 
  ! t7 U( |! r+ h# a. d
• 
  
• 
  
• 
  / ~8 R& [' |' o+ R' u( ^7 ^% c1 t
• 
  0 n% Q" N5 |* ]% v% l9 A
• 
  ; ^% l9 o( a% R
• 
  8 W2 L* n, |0 ?; e: z. g
• 
  
• 
  
• 
  - p+ f. u# {2 ~+ }
• 
  , C% C. l* w: o0 [: ]
• 
  5 d3 z- \" z7 X, y
• 
  
• 
  
• 
  
• 
  ' `+ {2 C# D7 ], i( \1 h. V
• 
  3 N/ V+ ?3 ^" I  j7 d
• 
  
• 
  
  ; N# A* Q+ N4 V# l% Q- z2 Z

######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()

5 J& a! Z; a- Q

: W2 J% H; g2 k                               
登录/注册后可看大图

例：线条样式不同：

• 
  
• 
  # N0 t( E' X- j) l* _1 `
• 
  9 b! b* t/ w+ s, F5 z
• 
  0 k) Y) f6 B+ _' A( {+ S
• 
  # N! x4 P% p* w8 D) A
• 
  
• 
  
• 
  ; X5 \* J" q1 {7 b$ `7 Y1 j
• 
  
• 
  
• 
  
• 
  6 J; e: t4 V" x7 a' d
• 
  - `+ X) F% Z2 v- h; E
• 
  7 l2 R  _' M3 _
• 
  5 ]3 J$ {* ^# C% z7 O3 \/ m9 Q
• 
  1 {& S4 m& Z' G+ g3 |  {; @% J
• 
  : r* N( P( I, g# v
• 
  
• 
  
• 
    Z% r, h9 R! a8 h
• 
  
• 
  - }8 S- ~: T2 k5 q' 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()
  l( t; ]6 g% ]5 V) e3 K; z

                               
登录/注册后可看大图

4 f9 U, d9 A0 d8 Q/ r0 o7 `( _4 [5 V

例：线条的透明度和颜色不同：

• 
  ) S" x  f$ m- G7 L9 o/ n* Z% u
• 
  ! |! J. ]: L$ l' P- c( N5 x
• 
  
• 
  ! T5 Y( M  ~1 e" z
• 
  
• 
  ) n8 Z, G- y$ j/ h7 y
• 
  ) E( B3 e  Y' ?3 J
• 
  # Y7 \# |  M( u  i
• 
  1 g) u7 a3 {# i' Y# g- t; N
• 
  
• 
  % t2 L( a4 m; G) t& R: i, h# L6 p
• 
  
• 
    l8 A& u! Z  Q. G, `: K
• 
  % c0 A% ^' _$ u' G+ C4 c8 E
• 
  / q+ e& L  b: C: \( q
• 
  
• 
  * n- [9 o: l3 I  t
• 
  
• 
  
• 
  
• 
  
  ) O# C; I3 r; K6 k) i& t# D

######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()