【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！！！

( Y! O" S$ x8 `- v+ [
& V# n! L, k9 C; J

绘制简单气象数据图

• 
  
• 
  
• 
  9 [5 ]+ x  h* w3 C: k+ K& G. f# r2 q
• 
  
• 
  + v, d9 S0 g* t/ p0 S9 _* L
• 
  
• 
  ' Z! y) K- ^  O+ V6 S  ]1 e+ d
• 
  ; K# g" q! z" g7 ]9 o3 d. f& Z+ p4 E
• 
  
• 
  
• 
  
• 
  2 C  b2 Y' _, v% q: L- e# b
• 
  
• 
  1 f2 w/ f  V6 z4 [/ J
  ( W+ E% o0 v; p/ S. u2 S( T1 c1 U! 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")
$ Z8 Y' W/ o* z6 M8 h

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。

• 
  0 u' Q0 d! u, f" g) f) w% {
• 
  " }8 g' M4 J- `1 |
• 
  , L* E# Z) b" }  [% E0 d
• 
  
• 
  
• 
  : u/ j% H5 [  z
• 
  
• 
  6 V' O- ^' j6 f5 ~2 p
• 
  % k, d  t# c% J
• 
  
• 
  ! X3 W# D6 s6 k2 |$ _6 i
• 
  
• 
  
• 
  
• 
  * W' D( W6 a3 K4 F! O  b9 J
• 
  2 C- [9 a& k, c6 j
• 
  ( c6 f3 p$ O8 |" A& f
• 
  . I4 j/ ]8 E8 U! f0 i9 ^/ }7 S  }
• 
  # [9 g! D. J) x4 \
• 
  
• 
  / n+ @& c+ B: w; o2 W2 W4 M5 L9 a( D
• 
  
• 
  
  

######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()
- P' ?8 \: s7 E" \0 z5 U

                               
登录/注册后可看大图

例：线条样式不同：

• 
  ( n& K1 s, r3 j' k6 g$ Y
• 
  
• 
  
• 
  
• 
  
• 
  5 p8 C# J* Q+ O) H
• 
  ! ?$ W  p; r; X3 Q/ H$ O
• 
  ' m4 b3 }1 R% Q1 M6 O
• 
  ' S5 _$ s2 f7 X  O
• 
  
• 
  ( X  f9 Z$ m. ^( {" C: M
• 
  2 J9 w: Q# k" c+ V
• 
  
• 
  5 k' k+ E8 G4 U" `9 b- a& [
• 
  
• 
  
• 
  
• 
  , y$ F  k- I; J3 V+ O& B8 b) C
• 
  
• 
  0 h% O; l/ G4 D5 g9 R
• 
  ( `4 d! k& h: E
• 
  
  

######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()
: |5 T+ U/ f$ W( O

                               
登录/注册后可看大图

0 s( ^9 ?/ `0 O! K; ]6 ~2 \( ~4 b

例：线条的透明度和颜色不同：

• 
  
• 
  
• 
  
• 
  , k8 ]+ O' F" I2 X7 U
• 
  & e( s* t- d: ~7 G# n
• 
  
• 
  
• 
  6 I9 r8 y5 Z4 N3 H: |
• 
  
• 
  ' ], z( a' ^! z2 O% o4 g
• 
  ( r+ _3 I; Z7 P6 ^1 g7 I9 e" V
• 
  % D6 C) c0 Z" @
• 
  . \; ^1 o/ D% M/ i( V! l
• 
  
• 
  
• 
  8 b# }! V( c# v) ~
• 
  3 ?- [8 N$ w+ e& ?6 r6 O3 v  h
• 
  * l4 X. M( e7 r: L
• 
  
• 
  5 t8 J: U; O" y( B: r" E8 O' @
• 
  
  0 I( f) B: X' k" y* E9 M

######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()