【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("···")

  
  : Q" c" I* b# H! H/ O* |

只要按照以上六步，基本绘图没有问题！！！

( @1 U. I3 ]/ J# q6 {6 P0 n
! e* h0 I' J/ o7 }4 E1 X  C# B

绘制简单气象数据图

• 
  3 u& [) }! u# h
• 
  
• 
  
• 
  # q$ C7 i6 t( Y" q7 h; L% M
• 
  
• 
  & K! T# L: _$ {" G" i( J+ U, X  m  O
• 
  " i0 E4 Z  Q7 }9 s) O
• 
  
• 
  
• 
  
• 
  ! b: @7 l' t9 q' {* E
• 
  
• 
  " \+ q4 p' O6 z7 u
• 
  " a1 |* W  M8 [, ~# F
  

######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")

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。

9 ?8 ~* G% {2 X% [+ j  w                               
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。

• 
  7 i8 e0 d4 N) R& z; R: ~1 B5 P
• 
  
• 
  % D: P7 Q8 u/ b, h2 Q
• 
  * S- Y% V8 B' n& }; w
• 
  6 q0 A- K' b# E: A/ }7 G
• 
  2 k( c* r) h8 r
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  8 Q( o/ u$ {8 J2 K
• 
  , R# P6 U) b% f2 ]  O4 H( \
• 
  
• 
  : L5 f' `4 i  ?0 v+ A
• 
  1 Q0 X! @  K0 d& G" _
• 
  : Q8 g8 D) e# Q" _8 t
• 
  
• 
  " e$ ~' r! x- ]& e
• 
  6 Q: N0 T" @4 F! G: N/ ^8 s. E, }4 O
• 
  * X. h+ s- p. t( W0 ~2 \
  ( o- N' C2 N+ k+ q7 w) V

######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()

                               
登录/注册后可看大图

) X5 S7 C" c( c/ b

例：线条样式不同：

• 
  
• 
  9 F& [- i+ V/ h/ S/ v
• 
  0 ^0 m* I9 x: z# G4 p/ p' o/ c
• 
  
• 
  3 d- `, K* X/ d* D
• 
  $ Y. v- B4 w4 ?: I
• 
  $ d9 h& l( o) D
• 
  
• 
  : k+ _! |7 m: ?" |8 A) M
• 
  5 x1 u! y0 t1 g& ^( P
• 
  
• 
  
• 
  
• 
  
• 
  , W% m% V* q2 f( U. D1 ]
• 
  # A! E2 I1 f& P  A/ T( Z
• 
  ' r6 o7 Y- u8 j' l. U
• 
  
• 
  ! E5 D8 x, G+ Z; o
• 
  / x( j, d# _- I. p- v& s& a
• 
  & q1 Y# G/ [8 P% ]9 R9 ]" H
• 
  
  

######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()
1 u3 B+ d9 [& f) X# x

; J8 ^& I/ u! g' O- x

                               
登录/注册后可看大图

3 ]% T; x3 c7 y  O3 k6 n

例：线条的透明度和颜色不同：

• 
  4 n5 e: A- Y( Z# s* \4 M8 Q# X5 H  s
• 
  
• 
  7 x: X* A7 p/ m) S1 Y
• 
  
• 
  
• 
  
• 
  . r. [% |6 X% i) T2 x  \7 k9 Z
• 
  , B' ~$ _- [( A1 h' c# n
• 
  
• 
  ; R( o/ C  Q! B1 I/ B# \* Q( A
• 
  " }! h( k* L; r4 u3 n
• 
  9 F' f1 G/ ~6 _6 w# a- R2 L
• 
  ) p; d' X  b- x4 S  H
• 
  
• 
  
• 
  
• 
  % k6 \" w9 E) {4 T9 B4 X, k
• 
  , N6 U0 ^0 B6 ^5 J) X  o" t2 r
• 
    M- ]( d% W. x( E, G, a% W- ~
• 
  + f$ g, |1 W# I( ~1 `
• 
  
  & H& W/ E4 i7 G; k9 E7 k1 Q# n

######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()