【气候软件】Python3：数据可视化绘图（折线图，散点图）

掌握了数据读取的方法后，就需要将数据可视化，进行绘制相应的图形了。

1. 使用Matplotlib绘制简单的折线图：以一组1981-1990年的某地月平均气温数据为例（数据信息如下图所示）。

# T. `$ n3 T1 v0 O

第一步：使用anaconda安装Matplotlib库：

• 
  
  

conda install Matplotlib

* [; {; a+ Q% C$ N% ~3 w0 t" @

& O+ s6 x; F  t! s0 m

第2步：绘制折线图

subplots()可以在一张图片中绘制一个或多个图表

fig表示整张图片，ax表示图片中的各个图表

plot()根据给定的数据以有意义的方式绘制图表

只输入一个列表时ax.plot(squares)，假设第一个数据点对应x坐标为0

同时提供输入和输出ax.plot(input_values, squares)

• 
  
• 
  
• 
  $ b; n% I0 n9 {) \! g
• 
  
• 
  
• 
  ( Y2 V8 C# V) U+ ]$ Z
• 
  , v* V  F5 S5 A
• 
  
• 
  
• 
  
  

import matplotlib.pyplot as pltx_values = [1981, 1982, 1983, 1984, 1985]y_values = [22.8, 22.3, 22.9, 21.8, 22.2]fig, ax = plt.subplots() #绘制画布，地图ax.plot(x_values, y_values, linewidth=3)ax.set_title("1981-1985 temperature", fontsize=24) #标题ax.set_xlabel("time(year)", fontsize=14) #坐标轴标签ax.set_ylabel("temperature(℃)", fontsize=14)ax.tick_params(axis='both', labelsize=14) #刻度标记plt.show()

代码读取后显示：

---

第3步：使用内置的不同图形样式绘制折线图

1、显示所有的不同样式的图形，共有20张

• 
  
• 
  
• 
  # i' g  \3 N7 h7 g3 p/ ?2 Z
• 
  0 \" ]+ f( V, f; e" o; k% }
• 
  2 |' h2 ?) @9 R6 Q. O8 p$ k1 c5 \
• 
  3 y4 N) d+ K, ^5 Y6 h: M
• 
  ! i% [: w" j# ], j9 P
• 
  ( l& Z% d6 Y  V( v2 M
• 
  
• 
  * b4 x6 s: d( \1 \+ |" R* o
• 
  
• 
  7 h& `4 P8 w3 u6 v. X. [6 u9 z
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  6 h2 r& t( @8 k6 q1 O) G
• 
  % p: @5 {4 U8 f, e  ^7 [4 v
• 
  
• 
  , j: Q5 Q/ b! p: v
• 
  
• 
  
  

import matplotlib.pyplot as pltx_values = [1981, 1982, 1983, 1984, 1985]y_values = [22.8, 22.3, 22.9, 21.8, 22.2]fig, ax = plt.subplots()ax.plot(x_values, y_values, linewidth=3)# 使用内置样式画图print(plt.style.available) #显示有哪些可用的内置样式mystyles = plt.style.availablefor mystyle in mystyles:plt.style.use(mystyle) #使用内置样式fig, ax = plt.subplots()ax.plot(x_values, y_values)ax.set_ylabel("temperature(℃)", fontsize=14)ax.set_xlabel("Value") #坐标轴标签ax.set_ylabel("Square of Value")ax.tick_params(axis='both') #刻度标记plt.show()
" u+ Q/ z4 t5 ~3 o& T' r* f

所有的内置样式有（print(plt.style.available)）：

8 C, _9 z1 w+ H( `( B0 A! K! M0 m6 T' Y

2、选择其中一种样式（plt.style.use(‘样式名字’))：

如'Solarize_Light2'：

• 
  
• 
  
  : @9 d5 P! j2 Q2 \4 _1 ?. V% E

plt.style.use('seaborn') #使用内置样式fig, ax = plt.subplots()
  t6 l" A# b: O+ ~6 N: a0 o' n0 |

如'bmh'：

• 
  / t0 _/ r8 _. u' h, I3 U
• 
  + ?7 ]6 ]$ O9 c# S0 O* V
  

plt.style.use('bmh') #使用内置样式fig, ax = plt.subplots()
' U# X2 l; B; d+ P4 L% Q3 |9 [- P

其余的样式同理可得。

第4步：使用Matplotlib绘制简单的散点图

• 
  / L# C& t# m+ H' `
• 
  
• 
  - J) w- g" `7 t" h' i
• 
  
• 
  
• 
  / a/ }; F3 f$ }" z% V! V* f
• 
  + R- }. {! N' B; N4 |
• 
  ; U# F# n: C, t* L) T# O
• 
  : i& d5 u6 n* w' D3 e$ N4 _" d. I
• 
  " |2 h* m: B  C( Y1 c5 ^; a4 o
• 
  
• 
    Q# G+ V$ d5 |$ |
• 
  1 |0 J1 [$ [+ a( ]
  

import matplotlib.pyplot as pltx_values = range(1, 20) #取连续的1-20的整数y =  [x**2 for x in x_values] #x值的二次方为y值plt.style.use('fast') #使用内置样式fig, ax = plt.subplots()ax.scatter(x_values, y, c='red', s=50)#绘制散点图，传递x和y坐标，点的尺寸s#颜色c，可用设置为'red'，(0, 0.8, 0)ax.set_title("1981-1985 temperature", fontsize=24) #标题ax.set_xlabel("Value") #坐标轴标签ax.set_ylabel("temperature(℃)", fontsize=14)ax.tick_params(axis='both') #刻度标记plt.show()

注：内置样式可以更换，这里选择的是‘fast’。

4 v( M: x1 W. y: Q) @2 z: w! m