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。
$ Q; { r5 t5 a$ t/ Y2 T; b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("···") 6 j# o; E: k M1 W. U, U' |
只要按照以上六步,基本绘图没有问题!!! . c" y, w& X4 e, V1 `& h2 v
绘制面积图和填色图
(有的时候需要画这种交差的填充图,能直观地表达差值的变化和含义。)
下面直接上代码(关于代码的解释已在注释中详细说明,应该能理解):
5 P2 ~( `- U3 T& p8 |2 M- ( }, a- K s8 _, M( i& g# q u5 U* P
1 y7 K5 k9 b! ^, K; I9 P- * T9 V. y" V Z" _
- 5 B$ r+ Z$ {! M: L* d; {3 X: Q g
- 7 I& _$ h: D& g
9 K5 G, o2 U) @2 M, t# P+ I4 Y- " Y6 I( T% I2 b
- 8 O$ [, W6 I( A- E1 r/ W
- . Y8 n3 {% F. c
1 b' h* K. x) u/ q6 |
+ [/ Y& R# z" _' O2 ]7 ^" \& ?- 4 x9 ]1 f1 Z+ O/ q0 d
9 a' ]* Z; o4 I0 |, I' u- / `- N! R$ n, i* F. | T
- $ N) a# }# K/ R% p5 p8 J
$ V2 w8 V, {' Z+ b8 n' [ N
$ \, }# I( |: J% h
! G) }9 P5 c9 p8 H4 W- K9 T# _- `' f8 E* b$ B
- & _- Z o/ S! W2 V& u/ A
- 0 E1 p8 R6 l7 R, u3 K8 q
& n6 j" G4 n: j9 x: X' J, R% b2 {* u
! K8 x. A& }7 l* e/ T+ b& C" Y
$ f: v8 H# x4 ?- / O: O5 o8 P! W: A3 B2 ]2 m# |6 ?, q
- ; r, k9 b; J8 N% \
- 8 n! n' U* X/ P! i
7 D$ M1 W8 @ i9 B/ E1 J- 1 r1 A9 h! L W9 s* C
4 f% x A$ j# z+ ^* ^0 \- Z- ( @; ^' t8 V/ L+ Y
- 7 O. p0 E" M$ `
8 r5 s l5 T+ _8 C( m* C* \
, r2 J6 ?& _4 S# ?) f- 5 H) @, L3 I8 E% Q* j
- . B! F2 G+ D% M( r) J V' P0 I
: o' k/ D2 k" `. c# B$ r0 g- 5 D1 _4 |' Y3 q2 J. d: c9 ?# K1 w: e
) ~5 b, U8 r1 s7 e
1 K% D' m/ |9 C. r) m( P1 G0 H- " S( |! f7 R, E+ V" x" B2 \
- - O! U7 T \2 D$ X5 Z% F7 e. W+ c" D
- ( \# G; p5 J: R8 B, X
8 m# O/ w# j, A1 {3 o
#引库importnumpy asnpimportmatplotlib.pyplot aspltimportpandas aspd#中文及负号处理plt.rcParams['font.sans-serif'] = 'Microsoft YaHei'plt.rcParams['axes.unicode_minus'] = False#画布fig = plt.figure(figsize=(15,6), dpi=200)ax1, ax2 = fig.subplots(1, 2)#数据x = np.arange(0.0, 2, 0.01)y1 = np.sin(2*np.pi*x)y2 = 1.2*np.sin(4*np.pi*x)#绘图#子区域1绘制限定区域填充图labels = ["Fibonacci ", "Evens"] ax1.plot(x, y1, ls='-', lw='2', c='k', label='$y1$')ax1.plot(x, y2, ls='--', lw='2', c='r', label='$y2$')ax1.legend(loc='upper right', fontsize=10) #图例位置#ax1.set_xticks([]) #取消横轴刻度#ax1.set_yticks([]) #取消纵轴刻度ax1.set_title('fill between where') #图标题ax1.set_xlabel('x') #横坐标标题ax1.set_ylabel('y') #纵坐标标题#填充图还支持限定条件下的区域填充ax1.fill_between(x,y1=y1,y2=y2, where=(y1>=y2), color='skyblue') #对y1>=y2的区域填色ax1.fill_between(x,y1=y1,y2=y2, where=(y2>=y1), color='yellow') #对y2>=y1的区域填色#添加标注。xy:标注箭头想要指示的点,xytext:描述信息的坐标ax1.annotate('y1>y2', xy=(0.3, 0), xytext=(0, -0.5), arrowprops=dict(facecolor='black', shrink=0.01))ax1.annotate('y2>y1', xy=(1.7, 0), xytext=(1.8, 0.5), arrowprops=dict(facecolor='black', shrink=0.01))#子区域2绘制堆积面积图ax2.stackplot(x, y1, labels=labels, color='yellow') #堆积面积图ax2.set_title('area picture') #图标题ax2.set_xlabel('x') #横坐标标题ax2.set_ylabel('y') #纵坐标标题#出图plt.show() + H y$ T, H+ q7 G5 l
|