|
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。
8 v9 F4 @7 a/ a3 j- M1 U# a1 I$ O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("···")
5 i$ b% p+ [) ]3 i
只要按照以上六步,基本绘图没有问题!!! , ?1 f% W' Q( Q u9 l4 }% y5 L5 P
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):
" M! Y1 y9 X v( O
) w9 X; _7 w. ~$ r2 B& U0 X
8 m5 f6 S! {8 i$ L& J: Y% f* y' {$ Y- m/ L4 c& c( D3 U
- o- u. U! n& J0 K4 T7 Q7 B
) R6 g+ e! G& p: A) V" [- % i g3 [' w2 p# k
- 8 ^4 H! y# U- j5 S) P L: s
- 4 g8 N; R5 z. }5 B0 M) Q
- ( w$ E. [7 p: h0 c C
1 Z1 K7 W3 ^9 c2 s. d- ! V1 E( ]+ h# X5 a U2 F
- - T2 L7 M% o" V
- ; Y2 A. [: D) ?: u4 e. Z& I! |
7 U5 V: g# o& _( q H+ y% R2 {
2 u+ N. S. b5 Y3 }: b% |6 a& p4 k
1 F, f7 K* U. c- ! o( R" [7 a4 B3 G: i1 y+ h* K; B
- ) {- a2 ]9 Q2 k* t
- ! R# @: T8 Z" n7 i* m# n
- 6 w+ m* p0 c* o* [" B! A1 j
y7 K, m4 A" E2 i$ z8 D+ L7 e/ n- * m2 |4 K& j# F E6 _1 t5 N. L# h
- 5 [* Q0 j7 I- z8 f
- & j: n9 v7 o; g2 i5 @
- ; p6 Z3 v* E! n# I: e
1 K$ Q0 k E; ]( q+ B$ ?0 q; W5 s- ( f( K( L2 u4 j4 G- m0 P
- 3 m3 f3 \' j, u5 g6 ?5 b# ?+ b
- & a2 X% a' P/ @$ x" M( j! z
- ( B9 E2 X; ^. ^" z" M$ @; z5 _
; B! @+ v% l; C. n) |
2 o' f4 N5 g- O0 _4 p- 1 a, Q! W9 ~0 Y; O& T
- $ e! R3 ?" w1 i* n9 q
4 F) v6 h* f: R9 d
) O6 B( ^- g2 h$ R4 u3 {/ x
R$ Q7 u& ?: ^# F- 6 G# ?2 s1 _- v! D" n* R
- ) M$ l" P" I6 h8 t; F+ J# I
9 O# _* t" P7 L2 B) M. D- 9 n# a$ f4 }$ U- Y8 m. ]& j+ H
& ?1 [1 ?; u' m! r( T
! t% g! n- I4 N, `
( ?" H6 k( W9 Q" T5 X% g0 G. |& i
#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()
+ S) f; Z% n! C+ m4 N |