|
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。
* m- h2 A8 Q0 N- Y R& m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("···")
- ?3 |0 n" |1 v
只要按照以上六步,基本绘图没有问题!!! 0 S" H# c# A# T" W3 J
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):
6 E _8 O0 C" `
; }* j% _/ D3 Z) W8 {; ~; F7 D
8 F1 n+ O# U; u7 Y9 @ h- a, f- % C$ B3 U+ ^/ R9 `" _7 V8 h
5 c# I& d/ Q/ _- d) J1 c& f
+ y6 K) \) Q5 H6 [% [! k# w( X
8 d3 @+ k/ d. ?7 M3 |5 n
7 G M H* v) ^
, I- Z; E) k' B, ?- 4 A9 z* {8 Y7 M4 X4 Q
5 R3 E- `9 _& Q0 c+ s5 J I9 ]/ }
% U6 \8 G% b) G& Y1 t
5 \* ~; o l/ T- [; Y' d
1 P; s# |- b5 i2 F* B
4 U/ Z* N H$ k$ S6 H& a- % ~8 }( n }' G& h7 ]" w2 c0 X
- * r( H( z0 @' X& f) @ M
- ; x% |' J2 o, D1 Z# X
; q3 v" c# s) x$ Q- p4 ~- ; U, A, L3 O# G3 W; D
- . D; I: B7 [$ U$ x. x/ \, T
- ; O" \: M; d1 } g' C Z
" k2 g( W0 k/ Y+ V( Q. u, `7 o1 k
; `3 @3 h7 {- t, @3 E) J! a2 I- - [5 d1 d( K4 q" ?4 A6 Z7 O& x* p8 Q
- % U1 z& @1 C C
% x- w2 e5 m) ~8 g6 Q9 _ Z- ) u, L/ a4 _( N
- - T0 M* n! p7 ~* Q1 M1 R9 N) t
- . l; I4 M6 X: ]/ {* n# Q1 C+ ?
- # E! K1 ?0 ~1 M+ Y4 W8 o7 |- A
- 0 s. K& O3 _4 _) h& y3 _
7 u: j% x* \" {$ A1 o N- - r$ F/ r+ U2 o) r. K
$ k+ F% @% P F
' B9 d, p( A( F( q
2 U, c) k: d4 W; n- 8 z: U7 z# I5 ^) ?1 w* i
- B$ u" v# |6 Z$ f
- 8 L3 t# a+ X6 s I1 E
- # N( b9 f# d, S
+ b+ E. l% Y8 q4 J$ S" C- 8 x- H3 X N0 l) p4 P
- $ m8 q X- _5 E9 }- E5 V
4 x) R( ?0 H$ h# v( ^5 ~" P" 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()
" Z D D7 O. o( t* s |