【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！！！

# l/ N3 v) J% E

绘制简单气象数据图

• 
  . W, p* }2 a; V
• 
  , p: ~8 F" ]. s" j! m
• 
  ' o* F! C9 o; s2 j) k" A
• 
  * j7 K, w0 d. S1 {- T
• 
  + _* C: e2 R8 R  F8 u3 m4 C: V( I
• 
  
• 
  : z  a6 |/ C/ ^% y
• 
  
• 
  ( F% V: O9 y/ V
• 
  
• 
  0 _- d, z( |: Z: ^$ U: N- }
• 
  
• 
  4 A; L. {) J' b, Q0 D1 `& s& E* O
• 
    G, C. Z  I9 g% G+ c; p2 h' S3 H
  

######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。

• 
  ) v* }% D/ n3 b$ c* n
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  6 f. V- }3 e7 K8 K6 b$ T
• 
  9 T  Q9 T3 s: Q* Y
• 
  
• 
  
• 
  - H) @& j8 R, }
• 
  
• 
  ( `- n% j; Q  g* l$ P: O: A
• 
  
• 
  
• 
  ! L7 q) y8 i5 ?( Z4 _
• 
  $ ^. w9 D* |& D# r3 n$ v9 Z
• 
  3 |, U4 J& Y5 P6 |' T0 A
• 
  
  

######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()

                               
登录/注册后可看大图

例：线条样式不同：

• 
  * W: [2 S4 n: ~
• 
  
• 
  % u) b$ M" d, ^5 @& j
• 
  
• 
  $ @+ `3 ?- m; _9 ?+ A3 k
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  " H6 ?- c: m- @4 X1 j+ [3 @
• 
  2 ]! B: o/ z# {4 V- o
• 
  5 k6 \/ Q, n" V: i2 p: E
• 
  
• 
  
• 
  % b9 _, u( i3 ~! r; c( b2 @6 y
• 
    S4 A# ^. b4 d4 T% [$ g7 w' q- e
• 
  & Z7 `- B# S. L7 C4 m7 v/ ~; ~$ N8 q
• 
  7 c5 H: ~8 O1 ^" z  {: s* ]2 n
• 
  
• 
  
• 
  
  

######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 \* M8 o( F$ x4 \9 i

                               
登录/注册后可看大图

例：线条的透明度和颜色不同：

• 
  
• 
  - }! I6 |( M4 d1 ^
• 
  # K, T. G3 q* R9 y+ r
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  + M! K1 b5 I& K+ W
• 
  % ]' L1 d+ R4 h6 z8 r6 H) G
• 
  
• 
  
• 
  # O; [9 O8 p" [" v6 r. w
• 
  " W+ V5 P0 F7 I9 a, N# x
• 
  / A. R; g2 p0 v1 g9 y
• 
  
• 
  7 Y) J) L/ }' U& y5 ^2 U
• 
  
• 
  
• 
  3 Y; U8 O5 {# }# s# G, ^
• 
  
  

######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()