【气候软件】Python3：数据可视化绘图（折线图，散点图）

掌握了数据读取的方法后，就需要将数据可视化，进行绘制相应的图形了。

1. 使用Matplotlib绘制简单的折线图：以一组1981-1990年的某地月平均气温数据为例（数据信息如下图所示）。

第一步：使用anaconda安装Matplotlib库：

• 
  $ q; ]/ }0 C: p3 v* X! i& W0 w
  0 F1 p  H& M6 p# d: d: S0 G

conda install Matplotlib

  n  c2 q/ v. w1 }& ^6 k+ ]

第2步：绘制折线图

subplots()可以在一张图片中绘制一个或多个图表

fig表示整张图片，ax表示图片中的各个图表

plot()根据给定的数据以有意义的方式绘制图表

只输入一个列表时ax.plot(squares)，假设第一个数据点对应x坐标为0

同时提供输入和输出ax.plot(input_values, squares)

• 
  
• 
  / V) g; r; k" d' z4 \7 |( M. N
• 
  
• 
  
• 
  9 p% ?9 m0 @) h5 [) |* L
• 
  
• 
  0 T: |$ B, g$ O
• 
  
• 
  
• 
  
  

import matplotlib.pyplot as pltx_values = [1981, 1982, 1983, 1984, 1985]y_values = [22.8, 22.3, 22.9, 21.8, 22.2]fig, ax = plt.subplots() #绘制画布，地图ax.plot(x_values, y_values, linewidth=3)ax.set_title("1981-1985 temperature", fontsize=24) #标题ax.set_xlabel("time(year)", fontsize=14) #坐标轴标签ax.set_ylabel("temperature(℃)", fontsize=14)ax.tick_params(axis='both', labelsize=14) #刻度标记plt.show()

代码读取后显示：

---

第3步：使用内置的不同图形样式绘制折线图

1、显示所有的不同样式的图形，共有20张

• 
  6 M1 m! S& P7 p
• 
  2 q2 T9 c. D, S4 v
• 
  ! x$ I; I# u) R6 I* G! J
• 
  8 ^! m# A' ?  \8 z. n0 C1 R
• 
  0 m; U7 f7 j1 |1 O/ b
• 
  
• 
  
• 
  . h% a$ }+ r( d6 Z
• 
  3 F+ n; E" i: H& |
• 
  5 {& x8 ?/ j% M, m5 B
• 
  , F; g, O' w, Z3 U6 A
• 
  
• 
  1 |) u3 j, O+ Q- L- M/ U" \
• 
  8 y% G- z5 h8 x; m# M3 s; `
• 
  
• 
  
• 
  
• 
  ! l5 X3 G4 g+ J) ~1 j
• 
  
• 
  
• 
  
• 
  ' Y. M) X1 K9 _+ o+ {* x
• 
  
• 
  
  0 u& v1 U8 \% E+ n( E; x

import matplotlib.pyplot as pltx_values = [1981, 1982, 1983, 1984, 1985]y_values = [22.8, 22.3, 22.9, 21.8, 22.2]fig, ax = plt.subplots()ax.plot(x_values, y_values, linewidth=3)# 使用内置样式画图print(plt.style.available) #显示有哪些可用的内置样式mystyles = plt.style.availablefor mystyle in mystyles:plt.style.use(mystyle) #使用内置样式fig, ax = plt.subplots()ax.plot(x_values, y_values)ax.set_ylabel("temperature(℃)", fontsize=14)ax.set_xlabel("Value") #坐标轴标签ax.set_ylabel("Square of Value")ax.tick_params(axis='both') #刻度标记plt.show()

所有的内置样式有（print(plt.style.available)）：

2、选择其中一种样式（plt.style.use(‘样式名字’))：

如'Solarize_Light2'：

• 
  * n5 k# o- l- D' G/ O; S: B) L
• 
  
  

plt.style.use('seaborn') #使用内置样式fig, ax = plt.subplots()

如'bmh'：

• 
  ) s& j6 {, c$ C# p: T- r
• 
  
  2 E! H; a# z0 v/ Y3 l6 |

plt.style.use('bmh') #使用内置样式fig, ax = plt.subplots()
; u- ~9 U) l9 F9 A: F6 j

其余的样式同理可得。

第4步：使用Matplotlib绘制简单的散点图

• 
  $ ^# R% m; q5 g, a  u# D  ^$ g# E3 B/ I$ r
• 
  
• 
  - j2 ]4 w5 ?" A; g# W8 W
• 
  
• 
  8 ^4 h/ |% ^2 t, b* l$ M
• 
  
• 
  
• 
  ( {+ a- `/ e3 i* b/ y
• 
  " P& L1 s1 }6 g* U& g
• 
  
• 
  % ]( ^  O+ x; d( Q/ J) C9 N
• 
  
• 
  
  - c8 D$ M, r' x! ~

import matplotlib.pyplot as pltx_values = range(1, 20) #取连续的1-20的整数y =  [x**2 for x in x_values] #x值的二次方为y值plt.style.use('fast') #使用内置样式fig, ax = plt.subplots()ax.scatter(x_values, y, c='red', s=50)#绘制散点图，传递x和y坐标，点的尺寸s#颜色c，可用设置为'red'，(0, 0.8, 0)ax.set_title("1981-1985 temperature", fontsize=24) #标题ax.set_xlabel("Value") #坐标轴标签ax.set_ylabel("temperature(℃)", fontsize=14)ax.tick_params(axis='both') #刻度标记plt.show()
7 S6 ?* k9 t! j. t+ D. Q2 V: ?8 o

注：内置样式可以更换，这里选择的是‘fast’。