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。
! U: }) ~2 O, J" p3 [7 r# M s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("···") & t" _6 t- G' g1 E& _8 B# ~
只要按照以上六步,基本绘图没有问题!!!
; M" I# Z L; O2 N3 O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):
! k! n( c* W# H; K, Q
# r8 c$ q, U" t! h, k- , r5 O% B4 M& N% z# P! q3 e
- # J! A$ h6 r7 T8 E/ B! T
3 o# p+ x5 M9 m1 b0 K; A# z
' y" C" t+ r. z- a$ e0 _- + S* h) A0 p) C D4 q6 I* W
* t" _6 m3 v2 ^; j# `5 B- 4 v9 H' |# w/ }
/ E; u* R) t2 P4 q- S
; o( L3 P6 L8 ?4 f, _9 n- # K' @! @; d8 a4 J
" g, G3 _ O {1 L4 y5 v, C
6 u: l9 H8 p) X Z9 [" |( c+ p ]3 X- 4 N2 D) S( ^4 f) C! i+ ?- x8 R2 n
- 4 a- d5 J1 c3 z: X
* C; G# Z6 n. x0 Q& M" d: m- ( m) k6 e) g$ n# o) v
- y. Q9 D- ~8 C8 A
' t! P0 O6 |" U& F, B6 D- ( X' ?+ ~/ M8 A8 F
- & |& }, ~; b- O7 j! B9 z
- " @% ~0 ]% ~& `
- ; m$ Y7 O; n. t# ^/ s' l
- $ m7 t/ m# c4 h0 z
- 4 p# p! Z! H0 H
- % Z. t( |* W/ c/ }% G% E
% j( L* X# V" g* {# K& V; @
$ f6 K+ f' o1 e! N: t! ^- ( Y6 |0 B- d4 d4 G) o
) o2 U6 B y$ L% ]+ E& G1 J
4 ?, M9 W4 F8 u) Z- & c4 T5 `9 }+ g: \ V% W: S* a6 r
$ Z: A0 j, A, L. q4 k2 G/ c/ r( m- ; `9 W( p6 g: p4 K3 ?5 j& E5 {
- $ L: o% ^/ N" Z& D9 z( M
- , K8 U n1 G2 m/ b1 p j/ \7 m* P
- " v- L6 O+ o, E, @, E- r
- 1 o; i% d) F! ?" J$ N
% I9 F( F4 i" t8 c) c9 ?! e- - M S& u5 b4 V" r- K/ T: F0 D
# I' q" M, |( ^' i2 ]' Q- 0 R: C4 j' w- u. T
- 5 e3 V5 l. T# ~; Z/ b! i, K
; u7 k( ~# [! s' ]3 K0 e
#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() 0 \8 U1 |8 c2 W! N
|