【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("···")

  
  

只要按照以上六步，基本绘图没有问题！！！

& h; o2 z" Y+ x, O" v: A

绘制简单气象数据图

• 
  
• 
  : V' v0 o8 |. _1 O' {; z
• 
  - M- A+ @3 E" f  g
• 
  
• 
  
• 
  
• 
    v  c  ~/ z- M# V
• 
  
• 
  + {' K+ S0 x- N0 H* B4 R" j
• 
  5 `! w+ l9 ]' ]/ _
• 
  8 p4 H% j1 i7 _" i6 _1 ?
• 
  
• 
  
• 
  * C% f9 Q0 l; b5 e9 H7 [
  9 A( p" m5 e5 w& n) {+ D$ u4 P( t

######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")
, o# F* d1 G! X3 H  L6 b- F3 S

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。

                               
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。

• 
  
• 
  & x3 P! M# H8 r& Z( y
• 
  , P9 j9 u  ^, Z8 q
• 
  
• 
  
• 
  0 Q5 L; S9 @3 ~) G
• 
  7 T8 l, j4 x# [/ r! r' O
• 
  
• 
  
• 
  
• 
  4 ]0 w# G2 M) v, F
• 
  
• 
  
• 
  9 u7 m/ `1 m& Q# P& I8 d
• 
  ( n7 k4 R) e* P; ^1 _! n
• 
  
• 
  
• 
  
• 
  
• 
  . [; [% a. t' R4 g$ M; B1 e
• 
  6 n0 M4 c6 g- E) K7 a# G+ R* ?0 E
• 
  
• 
  ( I; B3 X$ s3 V  F5 r
  

######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()
! h3 Z8 u/ i0 \7 O

                               
登录/注册后可看大图

例：线条样式不同：

• 
  
• 
  
• 
  ! ?! z& ~4 M, c. h" `
• 
  
• 
  / g* l# N( x' w# c
• 
  
• 
  # {1 ]3 k9 K$ [, `3 N
• 
  2 x( q1 I5 W/ a4 R  y: x: e2 V8 o
• 
  
• 
  
• 
  * _* o. u3 u) a2 ^4 Q7 p1 \
• 
  
• 
  ' t- {% ~' X/ I9 X% N
• 
  9 O. m/ L/ b) S8 o: J; H
• 
  
• 
  
• 
  
• 
  6 `" A1 W0 d3 y: h3 i
• 
  
• 
  % m& N% L8 H0 w  e
• 
  
• 
  ' J. p1 c5 ^  G6 I+ q, x
  5 c) B+ R* a' ^  ~5 Q( x8 E2 {

######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()

. V& a+ q% T  \" J' r3 y; v                               
登录/注册后可看大图

& E( l' j1 @! s

例：线条的透明度和颜色不同：

• 
  9 y8 L3 }  p/ r9 Z3 k4 h6 t
• 
  3 _2 u' v6 c7 f4 g' E% d4 M& C
• 
  $ Q( @- ?# Y/ w! U1 G
• 
  
• 
  
• 
  $ ~6 s3 k2 m4 L& ~* i& U7 X
• 
  # I: Z( g: B2 a9 f, y
• 
  
• 
  
• 
  ' m6 [, _- X' Z$ e! H
• 
  " j9 t  G0 |* B) e( E
• 
  
• 
  / P! E/ D( z4 U/ c, g8 x( ]) w
• 
  
• 
  4 `" v7 m7 b  h% E& P8 ]6 W" q
• 
  " h: Z  N. G" u$ j6 }
• 
  6 h' u1 s; W0 H3 m3 f
• 
  
• 
  8 }; J- H/ [  n* ?
• 
  7 V. ~( @0 g) q/ b6 X
• 
  
  

######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()