【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！！！

绘制简单气象数据图

• 
  
• 
  
• 
  
• 
  2 }$ @# {5 X- {3 R# t
• 
  
• 
  8 Y' u" z+ a( T7 `* }& ^) A
• 
  
• 
  
• 
  / I$ A" u: N' j5 E$ _3 S! o
• 
  7 T$ e  L0 s- K( O8 O  |* O
• 
  
• 
  9 P+ }$ z" a0 J2 U+ m
• 
  
• 
  
  / `8 j; p9 X: S7 n

######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。

/ x7 e# \, {7 Y. e8 p3 V                               
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。

• 
  
• 
  " _" |$ G6 g# u4 b
• 
  ( P7 ^5 N! P+ B0 O- f8 M1 B0 r$ Q
• 
  8 ?0 d: A0 o/ }9 l
• 
  
• 
  % o! ~9 V4 v- g0 b0 Z# |
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  0 a2 ~, t! t) J" Y6 t
• 
  7 s5 w8 C( C" v1 d6 ?+ y# ^
• 
  
• 
  ) I) b, f+ h4 r: l. J: ]+ U% u
• 
  ' }  N' i* [0 |3 p6 a1 z& O
• 
  
• 
  7 ^* Y" G3 R4 T( K7 U: i
• 
  9 ~$ K# P4 y& L( t* t
• 
  ! d7 W( ^. X5 d3 x0 J4 j; t$ `
• 
  
• 
  # q6 S% f6 \0 v
• 
  * a6 C5 M9 }( 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, 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()

* t; T8 p; P8 u- R" f

# J8 M- T# h6 D2 S$ |$ y2 }$ A; R                               
登录/注册后可看大图

例：线条样式不同：

• 
  0 J% P+ E9 J* h' W: ]
• 
  2 h7 p8 l* Q6 Q3 ]) `
• 
  
• 
  
• 
  
• 
  % H' [1 M$ A6 z/ o0 g) E6 B0 X
• 
  
• 
  8 ^# d* v" e: X6 v- N5 |" q
• 
  & G( Y, ~2 P( j
• 
  
• 
  ; I  w, M! E$ R
• 
  
• 
  ' q; h7 u8 ~0 ~# L/ ~* S1 N' J$ C
• 
  
• 
  
• 
  $ W; K, _7 Z% I1 ?
• 
  1 l! J& o  A/ d- Y1 ~
• 
  . u  w* P. g( ]3 x7 i
• 
  % V* l! m2 c5 [3 t  T/ v
• 
  
• 
  : n* S; O7 N5 E
• 
  ! F  T8 g7 M, c# o+ i. H8 i: u- Y5 o
  

######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()
2 e/ V) C, C4 g; l$ Y1 a

% Y. G% K; n5 [2 J1 T                               
登录/注册后可看大图

& h8 J% q1 v7 ^8 S6 q1 o5 z0 x

例：线条的透明度和颜色不同：

• 
  
• 
  
• 
  6 h: n8 W+ \1 {8 F2 |* E
• 
  6 C/ V, n5 e6 a* r# D1 G
• 
  3 u: U! M2 o1 J" ~1 {
• 
  ' o) X" Y8 F2 I5 o" R. v
• 
  3 R. I" F5 y3 [1 ?7 I
• 
  ' u# |* e' W# A8 E! y1 N
• 
  ; O4 X4 f/ d" |( s
• 
  " M# q/ b* Q/ R# b& N1 V; {
• 
  
• 
  
• 
  
• 
  * p& F" j9 b/ n6 d! s
• 
  ! I0 a8 ]; {( P. |! Z' R
• 
  
• 
  ; ]6 }) I  _& i. s; e
• 
  4 ~/ Y' M' F/ |3 n) M( m6 a3 V+ b
• 
  ) R6 `# A' _0 i) L  H9 R: t
• 
  1 D: _4 u' |1 i+ h- |
• 
  
  

######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()