【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）。

+ ~! m' N! ?4 B
5 M* L* T$ b. N3 e/ o; X8 k
# j$ H  Y% H: V$ y( p& |

第一步：使用anaconda安装Matplotlib库：

• 
  7 a0 f" O7 T+ P8 a/ |, z0 z
  

conda install Matplotlib
3 }1 `/ _- A2 H

$ I) M* p6 G: x9 B# R, P

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)

• 
  
• 
  - d$ p5 v! `" M( b) p' p, E
• 
  
• 
  & i# s) J, L2 b- F- ~! C
• 
  ; a5 y9 U/ o1 ^  K7 E! i
• 
  
• 
  % n) t0 r6 a8 L' M' q
• 
  4 F( x5 Q' |& k& G; {& ]
• 
  
• 
  
  

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：

% R5 h4 ]1 J% G! g% {

---

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

• 
  
• 
  / C6 d( P% ~7 N
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  2 G; N$ K$ q& F
• 
  
• 
  8 K! U6 _7 a6 a  _8 a5 y7 h& O
• 
  2 |, L6 \2 e1 P3 f. c: Z
• 
  # ?0 E, N( l3 q- T: t, s8 ^9 L
• 
  
• 
  
• 
  : ?- `( f' ^2 B+ d6 i: A0 t
• 
  
• 
  ! ~8 Y/ ?$ g5 w+ |* w- i+ |, |; b
• 
  
• 
  
• 
  
• 
  % Y) s' v3 c' I  R
• 
  5 M; `" C9 J9 L7 @$ K/ S
• 
  
• 
  
  # D" U+ Z( ?6 }( `. ?

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)）：

- B& ~3 d2 n9 z3 q0 O3 J

2、选择其中一种样式（plt.style.use(‘样式名字’))：

如'Solarize_Light2'：

• 
  ! ]# G4 |' b1 I; e  O  ^" Z
• 
  
  0 R5 j+ ~( J6 z/ B" E8 \( g( }

plt.style.use('seaborn') #使用内置样式fig, ax = plt.subplots()
1 n, Y. s. H4 A; y: u8 }0 O

: W) R& Q& x! _+ \& D

如'bmh'：

• 
  
• 
  
  

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

其余的样式同理可得。

' a# v/ f0 g, v3 K/ w+ V4 ?! n1 s( s第4步：使用Matplotlib绘制简单的散点图

• 
  
• 
  % W$ ?7 g& L; v/ _! D5 v- A1 p
• 
  
• 
  # o) l. [9 a- B$ V0 u
• 
  
• 
  ! R/ b# }0 Z. y& h* V' }5 X7 v
• 
  
• 
  
• 
  ! ~( f, j/ w2 \; U. ~( K
• 
  
• 
  
• 
  5 i! A; m# z" G7 ]) Z1 f, d
• 
  2 _: s+ F/ H/ m- {
  

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()

注：内置样式可以更换，这里选择的是‘fast’。

7 Z! ~$ y3 ?' \# s5 O9 H' R- r" Y