|
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。 : k' a+ z) w7 N2 h# Q
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("···") 1 c0 E! m6 c5 c" y& @$ N
只要按照以上六步,基本绘图没有问题!!! 1 N, R+ V/ o5 v9 b8 s% u5 Q8 ^
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):
- P/ ^4 |6 B1 o8 X7 }
$ x9 J5 j L0 c) ~- m' w6 Z0 W0 \- . h* i; F. s; A/ F; M
" D) f M5 i9 I' V$ b! _6 F
. y5 Y% k# D/ _" Q, E# P- , K/ {0 r" q) z) C" v0 |* B+ y
- $ t6 L1 P% e1 Z, N: l9 S- g
- / q3 B8 G0 b. u6 [1 Y) [6 a0 X' D9 W
- 4 Z/ a9 I) @1 ~3 L3 o
O5 w* F5 f2 D* O/ { F3 J- ' M# |& y5 Y# l* O7 v
' [1 W* C. d& u0 S- 8 y ^5 t$ ?, d6 F7 X0 h- p
0 e/ w2 w% ?( E- $ ]0 O; G& L* v: o) C9 {) u/ p
" C/ S v$ r7 W! K- 6 j0 X7 I1 r9 f; z5 I0 e0 D
- % ]% R l, ?% l! w5 T; H O% _
- 2 @: X H8 `4 H3 J' ~
1 K/ U( c, M P4 P% J- ) |3 K7 a7 e8 P
- , L( F2 c7 G1 u( T
2 |( T n) l2 V: A- C6 X) E% C" p
0 f; S4 O- s: O
, o( ]- }+ z/ _, \6 P( f
3 H) J5 k# U7 M# n! V% D
$ O' y+ P# i3 E6 d. o+ g
, \2 v2 W5 t y; ~( r0 i5 u3 V
4 f4 M9 ]) W# o3 z
) r f# a0 U# T/ h( Z
/ e/ n! d) x. W a8 j0 c: ^- 3 n- q- D. z* \: b- b2 R& K8 B/ b2 I
- * e6 S4 `% ~& P! v' Y0 J5 @6 z
# |$ E5 J3 G; f$ ^# w& F- & R! f$ ]* ?, X7 R. O& D
6 H: [; T7 U0 B+ v6 u' M. P! g- & c7 B8 m! f7 q% M" s
- 7 }$ y3 ]& ~6 J, D% c+ h1 |4 w
- 6 h* q/ b; |! T% Z; o: n
8 a, p) Z: R' o# ^
, q( E1 p* u# I( a
: x) ?3 o- f8 C
$ I: E9 p ?, \4 o5 H! P) a1 |- & D9 L6 L# l2 e& ?9 e' h" b" v
5 C v7 m! N. H/ ~$ ~
#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() 9 [1 y1 q8 e& d) ]8 ?
|