|
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。
; C6 L6 g6 i5 w: ]/ a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("···") 4 u E! U4 `* M) ~6 o
只要按照以上六步,基本绘图没有问题!!!
; g" K% d& M( f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):
, ^ a$ m: Z2 L- D+ i) o
: c. N9 r! I3 D- 4 K4 p' P* i: S0 Q" m1 D6 V
4 b! z2 M& s+ x& J9 C. `: V% z1 N( ]
, A2 R0 `. E I' j
! B. n& M, _) M; D6 {1 @ E
3 F! p, B$ I1 t0 S
8 I2 A# N/ t. P/ N% @
: M6 P, U3 z! v- e, {8 e- M/ P- w- [
- 6 Y. g5 U3 z9 s& t
8 @/ k& z, {3 k E1 D, j8 O2 ?
/ U6 J0 N: J( j, [& t
: A( ~. m) d! }& k- N' f; a8 m! Z- / L3 Z! {# m/ D5 k
/ i X# k; s. M% |) S- # B( c1 M: }% x, H
" q, C# e$ N0 H" g- , s5 ]" s' R/ @- C! X- e
- 0 C C( Z& Y5 e A1 ?3 T" t
- ! g( u: p" m! L7 z$ ? U" N
- - e n0 {. c9 b+ k! B' [- o
- 3 a- b2 a, S9 T& ]( F: o
& @, H$ ^/ s. t4 E( i/ r3 x0 L6 K- ; e1 s, R1 R3 ?- a; u2 F, D: T8 D, t7 t
- , A9 B3 ~5 \( u1 n/ ~
5 y* Y" s/ I3 n- U
: {2 u3 S( Y7 C' I
1 q2 S* ^2 u5 S
6 e5 n( Q2 U, c! t* N2 Y; ^) k- ) n6 w2 {! r3 b s
5 I( c; b, X, k4 G- ' O, z! f0 C* a$ H
- + b. {; v2 _& L) q( b
4 z( ^2 O1 d5 a M4 m- 2 O% |& q* `; C4 ]7 D B# ~
. i; D% I' x0 j8 G2 V i* x. M- , T- C) S5 r; v g
- ; U$ g& O5 R2 l8 c
& l9 a5 z! r" P- B3 @0 D. z# M- 6 o+ T- r+ w8 u7 L; S* P0 L5 ^ |% T
- & _) h# M% F% S0 v
+ a0 _8 w2 X. d3 Q+ Y6 L8 x6 E- ' _/ R5 a3 B l1 d; C4 v
6 L* {: F6 w0 z% w$ ]" f9 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()
0 ~: F4 p! R. M/ ^, W |