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。 ( I& P% R, Y# k
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("···") ' n& W$ p5 [1 T' l
只要按照以上六步,基本绘图没有问题!!! , Q- c( x4 ^- r3 I
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): - : f, d2 I6 h+ G" m" v4 [ X
5 b2 M3 X1 q& S- ; {3 o; M9 T7 O& h) V
( ]6 U+ h1 y9 l# A- x9 O: V. ]- 4 D4 q6 k+ }- M8 P% m+ v
; U8 v% e# r: _2 Y
4 F A0 H8 Q3 i9 C7 w/ L
$ A! c" `) S* N6 H9 S- 2 N' {& {- [1 p: f4 v# e
- , ] G) H/ P0 r: r+ c) m$ Q) Q
M" K6 M6 o- ?+ L3 A s% n/ \1 K
7 `+ _8 m3 S! O3 Q/ J4 C- * o: g$ v _2 m5 x0 d J- ^
- 5 T2 e( n* t( t: `6 ]9 I+ u
7 \1 M* j( C. T4 P+ \' {$ c7 B
7 w' K- f) \# b$ s0 g
0 ^. g! a% z0 G8 u
" [ ~ \! {8 S# E
9 D; n. d, f5 i y8 S. u- ( y" @. p# R" ?% j
- ' ]! ~2 M' @0 q7 j; K- |4 U$ M, I; i
- $ q7 B7 [$ W9 y3 V( o" m& }1 a# ]
- 5 |! y! `4 R: d% `2 p, \- n5 R2 g
- 1 }) o4 f/ I! Y% a6 R4 g
0 }& p% V( y7 ]7 G: V1 D
1 Z& @6 a! r; p5 ?- + @4 j# d; d1 I
L; J4 e! M/ B; M. B. O- : q7 @* s z* r) G
6 w( J4 ?3 m0 ?. Y' b2 _5 i5 }& _* A- % Q; b3 i+ n" G! R: J8 ?( E: J. c5 |" Q. X
- ' ?0 `- J$ ^% k+ M2 W
- 5 W0 `( y. T$ y- \) J0 |
- 6 O. K' U9 t3 u6 D4 m( I
; Z) W, L$ p3 l( l% E# M- 2 V$ l$ F; b/ x* h
`% c+ v; z& D- 7 N# B! \. [& E: v
. q0 {' n' ^* d9 x* P: B- ) y: k: n' v% o' R# Y
9 ?& e, H# i9 @; L+ k& H" D- 8 ]4 [: g8 j6 k$ \. \
& q1 r$ z6 G# Z5 g' g8 Y
# A5 w8 B. T& V, y& ~; B; R
% e; z( d+ E" r' ]
#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()
! z+ {3 W* S$ |# Q" Z2 q/ Q% R% h |