【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）。

3 B0 k$ e' `# O  V/ t8 L' F& I( F
4 N2 ?( {2 b+ x' m9 D

第一步：使用anaconda安装Matplotlib库：

• 
  + o" _0 G3 o9 B2 F" u% E- l7 j
  

conda install Matplotlib
% _+ e4 |* p: t" p

* {1 Q0 t: I) _  {# O7 @

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)

• 
  & Z$ F$ S! L5 k; T; W2 r+ U
• 
  
• 
  
• 
  
• 
  . ?/ B6 A4 P! Z$ j( S/ M
• 
  
• 
  
• 
  , W* O# f" ?1 {3 S5 |
• 
  
• 
  ; g+ C! p- b$ v0 |- M
  - s# O6 T6 g% \& x5 K8 g7 V

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()
6 Q9 `6 j% j$ y7 e! W+ R" V0 d

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

• 
  
• 
  4 F4 ~* z! n- [- j* ^
• 
  * B  w! k5 e* F$ `
• 
  8 D( J& ^1 |5 [5 X  x+ a
• 
  
• 
  
• 
  , a% n( }) z# d! G1 P
• 
  
• 
  6 Z( b$ J! n7 H* L1 D, _* ^
• 
  + I- m" I: G* p4 M
• 
  
• 
  0 O2 R4 t+ h) j: {' y
• 
  0 f# p: x1 g/ {$ ]! b4 u
• 
  " B) c# w$ [+ B$ g1 L& F
• 
  
• 
  
• 
  
• 
  7 g" R$ h# T8 N% I2 ~
• 
  
• 
  2 W6 e8 _; f6 y/ d- S; L/ e
• 
  ) E) X1 }  |2 m6 l# ]4 {" w. |- J% S- j! T
• 
  
• 
  
• 
  
  * E# |+ K0 G- F' \" ]& S

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()
+ S$ h5 p3 I; I: t. Y

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'：

• 
  $ u1 F5 T9 _8 H! g7 m8 `& I4 i
• 
  : l6 G+ e) W& w- ?! B! B6 f
  

plt.style.use('seaborn') #使用内置样式fig, ax = plt.subplots()
' t: W& ^8 q: B- n: M  ?0 P

# R/ z; Z6 b2 q" l  B  X) J

如'bmh'：

• 
  + c8 h9 G# }1 E. J- d% J$ `
• 
  
  6 T: u# \' ^/ H0 o6 a& I% c

plt.style.use('bmh') #使用内置样式fig, ax = plt.subplots()
6 q- {& u7 F) P) `, [

其余的样式同理可得。

% C: b/ _" b( ^( i) V第4步：使用Matplotlib绘制简单的散点图

• 
  
• 
  
• 
  8 Q/ Y0 E5 |* k1 u& J+ S( i
• 
  
• 
  5 m" v) e% A8 D( Y" b$ L3 t
• 
  
• 
  
• 
  
• 
  
• 
  6 ^5 s# S* E8 G& T5 Q: h0 u
• 
  / A5 C" b) X2 h" u8 g5 i7 m) E
• 
  - H4 {1 D# x% \% [6 d& ]6 J
• 
    w- |; O0 p' c* a
  

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’。

- B# q( I8 {; F8 F3 ^# V