|
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。
7 G+ t; L. z( C0 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("···")
@. d+ M( s& F5 y3 @9 N. w# ?7 V, y
只要按照以上六步,基本绘图没有问题!!!
; o9 A1 {- j; J2 C; i* S0 S7 ~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): - # A3 V" d" A8 l6 `; Z
- & d4 H- s9 ~$ h# ]/ N! G" Y
- 9 V* j% J; z! h6 ^& c, Q
- & F! V3 e/ B- Q4 P) E" U7 V
- # u( h: B6 d2 J# k- C; l
2 C" \0 G! f; e" ?) K
3 f9 Z4 ^* B+ D2 U( ?( j
/ \7 S. g) B0 u: l- . F9 ?5 n" J( O( A% S! @
- 6 c L* N: z- }
- " W3 `) G' j/ d' {
- * W; p/ p; y6 g$ |
- . z9 T8 E! J5 n; Q/ k. ?% A
: n/ t1 M7 h: G/ G$ A% ?# R' ?- ( r9 l# N' B$ J" g& h
- G( Y# _( ]! R# ~: X
2 K2 E# r6 @0 ?9 ]! t& ?4 G7 G
) f; T" R( l% Z
7 R( A# D! x& U8 e+ y& f+ ]
3 ~$ @3 l' y! K8 t, A2 P, P# A
1 m7 G [8 `0 h' H/ q$ U- + ?' A8 G5 `2 g. W
- + i& Z3 g* g. w
- ; s( i+ }0 g; \" j
- # t6 g! |# J# V6 ]2 w: {5 U
/ c% e/ W4 r" h( b% U( C- 1 X1 {: Y! w* p* o9 t' J0 j
- ]) D2 L3 P5 v2 l; D
: J B) h# t2 N- & `2 Z3 X7 }0 Z q; t& ]
- / t S) ?6 p$ y5 w1 t* \
- ) [4 G' q/ }+ h9 R( A$ b$ A- H6 q
- ; M0 _/ Q3 _' d/ A, a- f. L% K
! z! f* X0 L: ~- 3 Q! o2 {# q( R8 g& U" A
- * R; v1 p% [( _8 n% ~1 V9 p$ _ y
1 s! U2 g) ^* k- 4 H* b; g3 b z6 p$ O: B5 ~
& D: U2 [# b/ u- e% o I
. Y% }% [* i2 E/ s. z8 B- + x( c* ~6 B7 ?: m6 L
- , V. Q4 h+ Q- f& Q" k
- ' s& C4 `8 m9 M& r& [$ d4 ~
: _$ V) s; b, Y2 L7 R$ x" f- |: m, s! A r
#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()
! q1 { H/ e G: R$ \- Z |