【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("···")

  
  ( I( }0 B$ g; T  d* u+ ?

只要按照以上六步，基本绘图没有问题！！！

: K% v- W& Q  n+ Y7 Q

绘制简单气象数据图

• 
  
• 
  . r9 c6 G& f! t6 a2 f" S9 i
• 
  
• 
  
• 
  ( c% m( F  @% g
• 
  ' I/ z9 j5 H# f; X" [! _
• 
  
• 
  8 c( h4 y) R9 ?0 O
• 
  
• 
  
• 
  
• 
  
• 
  9 C7 T/ H8 o+ e; S
• 
  , l. ]1 `& y- W  e2 l. s9 z. u0 ]/ R
    X$ G" t  \7 {1 s$ ]; E& _

######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")
+ i1 l$ \) ?% ?# v6 r

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。

" H% ]% S! D. A& U2 \1 L8 {4 A, s                               
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。

• 
  
• 
  ; b: r2 C1 }  Z
• 
  
• 
  ) J" ?: t) C4 Y: p! [
• 
  7 z& K2 D# {: X4 p8 p9 Q$ v
• 
  6 a1 ^/ ]7 k1 r) e  f
• 
  
• 
  : \# b2 Y3 Z$ X2 P6 `0 ]
• 
  ! s; \& w& A8 ]  I  z( t
• 
  " ~( V3 Q& B# u, K% t2 M! A; @
• 
  ! T4 e. \6 K$ Z$ x
• 
  
• 
  
• 
  ' O$ a7 Z# V' t% h+ H
• 
  
• 
  
• 
  
• 
  ) N( n) _$ }8 A4 f6 ^
• 
  2 ~; i2 {1 V& ?6 r; ?% R8 c
• 
  3 f6 h2 X) O! Z3 ?' Z
• 
  
• 
  
• 
  
  

######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()

9 d# ^2 j! w) i5 c- [/ F                               
登录/注册后可看大图

例：线条样式不同：

• 
  
• 
  ; R. c! U: v& L  M9 S
• 
  " m5 L& g) k% _3 c/ J4 ?& D
• 
  
• 
  ( N/ H6 w- _& ^2 I1 ~/ ~& D
• 
  
• 
  , T$ x1 w& c7 p4 p; \+ s; n
• 
  
• 
  
• 
  8 H' Q" \  e( p& v: T4 V
• 
  9 ^: O. f) m4 W1 _/ G% R! q
• 
  $ L' [6 p& r4 X+ k3 J
• 
  
• 
  * F' D' ^' x* R' j& ~$ Z
• 
    s$ Z# E, U) Z" X0 e
• 
  . z+ D. ~8 ]* }3 W. X
• 
  
• 
  ) Q0 x/ ~% c: e# S, j" g
• 
  4 Y3 Q/ {3 E0 k8 W% q0 _+ K
• 
  8 J2 l- R+ w; I
• 
  . P- P5 Z' d7 J; u
• 
  9 L  `, F, m) S  @, J
  3 A; J& G5 X  l& b8 R

######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()

4 v$ M$ S% {& m7 j; ?1 j                               
登录/注册后可看大图

: k% @) y7 v1 D" B, Z9 c& E

例：线条的透明度和颜色不同：

• 
  
• 
  3 k$ T2 k% ?6 r
• 
  9 C$ I/ O9 Q" S( C& r; H: v; X
• 
  . e- U) J. O: t/ S3 l7 a7 J0 Q2 {
• 
  % h4 m  X; L# y5 J
• 
    A& e; k+ j" z2 C0 c) b& E) Y2 \9 I
• 
  . u0 ]: \1 b% ~1 u. L3 Y
• 
  
• 
  & F3 A4 k2 _, h; s
• 
  
• 
  * k- |4 }- Q4 s, ?0 s& S
• 
  0 g, l$ O  X+ ^3 H
• 
  4 [. G/ t5 ?1 c8 U; u  U  g
• 
  
• 
  5 _$ }: R  e: `& s2 d( b! \
• 
  ; N( \$ A6 I+ {, c  v8 A6 V# m9 ^( e0 _; [
• 
  - b& X: b: X* Z* O. b+ a# V
• 
  3 s0 R# r4 J- P! U& U8 ?( R- t
• 
  
• 
  8 j: T; D* q" t( ?1 f9 a2 ~
• 
  
  + C, K! ?2 f/ X1 J' e

######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()