【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("···")

  
  : }- S5 Y+ V9 c3 I" G9 Q1 M

只要按照以上六步，基本绘图没有问题！！！

  ^/ Q; ]% e2 a7 d! f# E& G$ N

绘制简单气象数据图

• 
  , C$ `+ x0 T4 K
• 
  ( m. E& M) W* I4 t1 \+ y9 _
• 
  / p& d0 y1 ]6 y, ]' y2 U8 ?$ v# J
• 
  
• 
  # E; W; f5 v0 Y8 g# {! B
• 
  7 V2 c, ]  L+ F7 z: B5 F$ {
• 
  4 W# s3 J7 |$ i; N/ |
• 
  " w; {0 r6 J1 b, A, ^! v3 k7 e2 ^3 H
• 
  ( u: s$ b  v' ^) v% V  c9 I% w
• 
  / R  j/ i# w: u0 q, p/ P: d
• 
    M! T' [. G$ k5 ~& S. I) ]! x
• 
  
• 
  8 G: R8 b6 y9 Q, }: {: A+ G
• 
  ' B3 {6 I; w* j+ Z4 ?6 U
  " M& w! {5 T  C& ?+ F8 D) S

######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")
0 w8 a% I; B& v. M' L- l" t& v+ Q

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。

0 {) I$ o, G9 \                               
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。

• 
  
• 
  $ G. v1 `' \' x: ~2 R2 c4 R- b
• 
  
• 
  
• 
    u9 L; q* F+ K# d5 _! O7 k
• 
  6 V. d  D& J1 b6 g4 h
• 
  
• 
  
• 
  ! y6 D; T1 D( c% a, c. v
• 
  
• 
  
• 
  3 q: Q+ T+ q% m5 {% ?) C9 C- Y$ G
• 
  / c( ?. ^; H2 B8 ?
• 
  
• 
  4 S1 q9 F0 q) N6 e
• 
  
• 
  
• 
  " B" s: ~; A" @0 @+ K
• 
  
• 
  3 @/ E* T* g+ [# i& i* P/ K
• 
  
• 
  1 q& T2 z  T- [  z% F$ Z1 P
• 
  
  

######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()
" X) ~& l- A+ \' d; ^" E: _

8 F; F1 M/ A( f3 U6 G: w

$ J6 ?5 M3 l) [) J- G/ f                               
登录/注册后可看大图

例：线条样式不同：

• 
  ; `5 o& \, ^3 t
• 
  
• 
  
• 
    e4 F3 u1 l2 V; o+ E6 T
• 
  + h; z. u$ t5 D
• 
  $ q) Z( P, {- P7 `. A/ [
• 
  
• 
  - W9 R; F! b5 K0 F# p! [, m- r+ X
• 
  
• 
  
• 
  
• 
  $ q# [( Q) M4 X# f" d1 Z0 J7 R. m5 h
• 
  : p5 c% [, b( u, C# h" s- @0 ~* |
• 
  
• 
  4 u( T1 @$ b( R/ Q
• 
  
• 
  ) C) }3 @1 L  ^5 n" A& H
• 
  
• 
  
• 
  
• 
  ! I0 a" O$ s3 ~) ?2 k+ |  C, e& H
• 
  
  2 N5 b7 U. }0 q# A$ S$ c/ R

######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()
/ D6 t+ V* q; E! ?6 @/ b" n

7 e% i; O, K$ R. j; G9 u4 {5 d6 z

/ d8 \( @3 \) v4 }# P; }8 o" D                               
登录/注册后可看大图

- G: `4 f6 e  k$ ?5 O+ c, T

例：线条的透明度和颜色不同：

• 
  
• 
  
• 
  
• 
  
• 
  0 v! [* V: Z5 [$ t6 s6 G6 E: s; h
• 
  7 D6 E0 s; v/ {1 z. {
• 
  # U' d7 J% U; c2 [
• 
  
• 
  
• 
  & K1 J' A' e- y) G0 X
• 
  
• 
  
• 
  ) S6 j! W* i* I5 T* }# d4 ^
• 
  - l5 I, U/ g$ o+ h
• 
  9 f2 a1 m* C5 D  c3 E, G0 d
• 
  , ?6 E  U3 x$ X" X# s# `2 ^0 K& @
• 
  * R& N/ M& u2 M* Z0 Z2 \6 K
• 
  6 |: X) B* B9 _( M' G  ?
• 
  
• 
  
• 
  
  : X2 N; L( B! V+ [, O% ]

######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()