【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("···")

  
  5 v# a' Q. q4 q: A

只要按照以上六步，基本绘图没有问题！！！

  Z% v  o2 C* i9 v

绘制简单气象数据图

• 
  ( c* B. G" T0 g9 _" {1 Q0 G
• 
  
• 
  ) g9 t, q1 ~: b/ c7 \
• 
  4 }# \9 ~8 }7 o: O
• 
  
• 
  
• 
  6 y6 K, I3 F: ]/ W* x
• 
  
• 
  
• 
  # T: D; S( d8 ]$ u- T  g6 b
• 
  
• 
  
• 
  
• 
  1 T$ Z2 W+ r$ E; l" ^; K/ H
  - w+ S! V  \1 I6 D6 Q

######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")
  y# _3 x2 F' E  x8 v6 A

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。

• 
  
• 
  
• 
  
• 
  
• 
  5 |8 D" u9 X1 G9 j1 \# ^% `% i
• 
  
• 
  
• 
  / I+ o& p% P( H( C1 O3 S6 W1 M
• 
  ) F9 L/ G2 h1 H) f% S/ f# _
• 
  
• 
  8 i* |2 c' L8 |, @: J1 ]3 l: @
• 
  . k7 {7 ^8 X( g/ F1 o
• 
    H+ S# Z- T9 p! n3 J3 H
• 
  
• 
  ( v! Z8 S( w# r3 N/ j
• 
  # p  ]8 w) ~% w; X
• 
  
• 
  
• 
  
• 
  
• 
  1 t9 G0 O) K$ G/ P
• 
  
• 
  ; X; N& d1 x7 }! ]
  + P2 Y- g+ a' |" D

######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()

' R' ?& P/ t( |+ I, H3 ]9 l* j

1 i, a9 e/ K3 T  F% E& h4 h                               
登录/注册后可看大图

& m$ G; P* ~. N$ }' o; u+ |$ w

例：线条样式不同：

• 
    y& X1 ]8 X, U& R7 ^+ K
• 
  
• 
  
• 
  0 C- n: F$ h! V
• 
  + b) D, u2 X* C) J$ a+ w
• 
  
• 
  
• 
  
• 
  
• 
  7 d2 a( h* L- D. c" n/ }3 ^0 q2 h
• 
  
• 
  
• 
  7 m, Q4 Z# Y  G* r8 G/ ]9 c
• 
    n4 q/ a# o" i! ^# g
• 
  
• 
  ' L9 f  h/ Q2 r! k1 k
• 
  
• 
  
• 
  6 A( n6 J' r6 q9 i
• 
  5 u( G& L! P9 }7 {  b$ c
• 
  
• 
  
  ; T2 a( S& P* n/ a4 o

######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()

+ Y. {; v0 P  r6 W6 ]( i

3 q! g) g7 P9 g; i                               
登录/注册后可看大图

例：线条的透明度和颜色不同：

• 
  
• 
  & o+ Q! H( ~( C* e- G
• 
  1 i6 |5 T; l* z$ R
• 
  1 D, T& w9 ?& }2 M, q4 X& d! C( F. z
• 
  
• 
  
• 
  , {- A  U" h- Z. [
• 
  4 o; Z) Q; j  E/ J* C0 y8 q
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  1 V; E8 M/ W$ U* M& R
• 
  % w# l; D: O! D; j. f5 q) {8 u
• 
  
• 
  3 {9 }/ `* p8 c' t  [$ f: @1 ]
• 
  2 z% J3 n' e- [8 }
• 
  
• 
  
  

######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()