|
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。 & N) |, L4 Z" a+ A9 `
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("···")
+ E/ M' g: R. _# L9 c9 E% c; k. f6 t
只要按照以上六步,基本绘图没有问题!!!
* l, E' B2 H+ ^) V1 x" D" ?/ U绘制面积图和填色图
(有的时候需要画这种交差的填充图,能直观地表达差值的变化和含义。)
下面直接上代码(关于代码的解释已在注释中详细说明,应该能理解):
" ?7 `* Q( i* ^0 g8 h2 a
" M, }# v1 r5 L. Q( E4 N- . E" z& b3 A @5 L
- " r. ~+ }" E0 T8 T# @' `) d' G
3 I) x% x1 i4 f0 {7 f' r% y- 4 x Y* [) T- r, k* j- @! H
- ]2 ^; E! r' A
8 n3 D8 z+ ?' q9 F% v' G- " A3 n# n2 u& \ J
& u/ v6 }* X3 ]$ Y- }- . i9 W' ?+ n6 n: v
- 5 R" \' s s% s4 O3 D4 R/ k
. x8 S- n- ~' F, E" ~9 p/ W- 0 t9 G$ d3 Z4 C% j* A$ T" T, k3 g
- 4 D6 n/ y. ]1 | M. w
' U, w$ m$ W! P+ \; y" x
Q/ i# W; R/ o% e0 z* E/ V8 ^
6 M& m7 N. Z8 ^% P9 s
+ o! ?' _+ M* ]( \, Q- t- 4 D' n5 Q; z+ T" @
) K' y* R3 Z( M3 F% i5 W
, t( F# b8 f# O
9 Y7 s% @! w5 F5 J( C6 V- f
8 F4 L) ^* s0 x6 F1 |4 F; W- & y% M, t7 m! z* n% C% ~/ k. s( N3 ~
- 6 h8 m( U- K: i4 q/ e; j
- , K4 L5 c$ t* V0 I2 V
- 0 \* A5 l, v- p4 ~, y
- 6 B- x4 v; z1 ?/ M! W
% x; Z8 K* j; q! g+ j+ q$ h2 N7 x5 T& ]
$ f' {' n) g! l# g
: {& f |+ n. i1 z- ( Z; K! Z4 o5 A& c- i
/ v: u& M1 o" o$ w- 0 B; w/ z- d- c& G6 i+ c% ]% J
- 6 `# b& E8 J7 c! Z7 g9 C0 U/ d
& c$ y' d' y9 j$ e- + D2 q4 D3 w; ~; a E7 j
F: j$ n& s* C' W0 d
; W0 Z, X0 E4 ^: Y" B3 u/ [- l7 m4 R- i% N
5 p; h0 f' }8 Y9 U8 ^( @4 N
2 }9 j& I& ?4 a
: O- s$ }# P2 [! U" v! r
/ @3 _" b* x6 `7 ?
#引库importnumpy asnpimportmatplotlib.pyplot aspltimportpandas aspd#中文及负号处理plt.rcParams['font.sans-serif'] = 'Microsoft YaHei'plt.rcParams['axes.unicode_minus'] = False#画布fig = plt.figure(figsize=(15,6), dpi=200)ax1, ax2 = fig.subplots(1, 2)#数据x = np.arange(0.0, 2, 0.01)y1 = np.sin(2*np.pi*x)y2 = 1.2*np.sin(4*np.pi*x)#绘图#子区域1绘制限定区域填充图labels = ["Fibonacci ", "Evens"] ax1.plot(x, y1, ls='-', lw='2', c='k', label='$y1$')ax1.plot(x, y2, ls='--', lw='2', c='r', label='$y2$')ax1.legend(loc='upper right', fontsize=10) #图例位置#ax1.set_xticks([]) #取消横轴刻度#ax1.set_yticks([]) #取消纵轴刻度ax1.set_title('fill between where') #图标题ax1.set_xlabel('x') #横坐标标题ax1.set_ylabel('y') #纵坐标标题#填充图还支持限定条件下的区域填充ax1.fill_between(x,y1=y1,y2=y2, where=(y1>=y2), color='skyblue') #对y1>=y2的区域填色ax1.fill_between(x,y1=y1,y2=y2, where=(y2>=y1), color='yellow') #对y2>=y1的区域填色#添加标注。xy:标注箭头想要指示的点,xytext:描述信息的坐标ax1.annotate('y1>y2', xy=(0.3, 0), xytext=(0, -0.5), arrowprops=dict(facecolor='black', shrink=0.01))ax1.annotate('y2>y1', xy=(1.7, 0), xytext=(1.8, 0.5), arrowprops=dict(facecolor='black', shrink=0.01))#子区域2绘制堆积面积图ax2.stackplot(x, y1, labels=labels, color='yellow') #堆积面积图ax2.set_title('area picture') #图标题ax2.set_xlabel('x') #横坐标标题ax2.set_ylabel('y') #纵坐标标题#出图plt.show()
/ X5 D) S& x& M5 b |