【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）。

- C. g7 m4 h! x/ r) X4 A
- Y) ^$ h7 w1 S  o# D9 |
( k3 K& O, r- H7 u

第一步：使用anaconda安装Matplotlib库：

• 
  ( J  N% S+ D4 M
  & Z- u/ F! U/ g. q1 ^/ V

conda install Matplotlib

0 H7 E1 C, j# w0 T3 m) b$ E

. w. p( O$ i1 K8 T; H1 n! a) F

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)

• 
  % M: k! k  Q% e- n5 _
• 
  + E+ L  {0 U8 F" O6 G8 c
• 
  
• 
  
• 
  
• 
  2 H; `3 P: A2 k4 o& L, {; A0 q
• 
  
• 
  2 d% u9 L1 k5 v8 ?5 `
• 
  * o1 O7 r. C( U0 E! c4 `6 F1 E
• 
  4 M6 O8 e' ?8 z2 e/ u
  

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()
5 n/ D3 N+ W7 N' P/ Y' V

代码读取后显示：

% s1 H& v* F! L% ~1 g$ A6 Y

---

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

• 
  
• 
  
• 
  , J" ~: b2 q7 r5 w5 |6 P) Z
• 
  9 l. N  Q. d5 u+ v1 t
• 
  
• 
  
• 
  
• 
  
• 
  7 v  e2 p7 A, c7 O/ W
• 
  ) J) v4 e( T' f* F
• 
  4 u* `6 u* u( _/ N
• 
  
• 
  
• 
    ?, g0 \  j. X( A1 t
• 
  
• 
  $ q" C' Y$ j0 t. S" j
• 
  
• 
  
• 
  
• 
  ) b+ a. p  v. `) Q6 t
• 
  : h" {+ f- H9 a8 z1 E7 _
• 
  9 C6 T$ y5 u+ o
• 
  - d% H" X* g  G8 o) Z( I# J' e
• 
  ' g- N" z9 @1 M1 {( U+ o3 V) N- O% ^
  7 \$ s! T6 ^/ h0 M# M$ H* }0 E

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()
8 F" _1 H( v/ o7 m7 u

所有的内置样式有（print(plt.style.available)）：

2、选择其中一种样式（plt.style.use(‘样式名字’))：

如'Solarize_Light2'：

• 
  % }9 l+ Q0 l9 O0 W8 G$ Q
• 
  ' g+ J7 S+ ?7 P) L1 {
  

plt.style.use('seaborn') #使用内置样式fig, ax = plt.subplots()

9 w# D" G* Z, L. j& A9 A

如'bmh'：

• 
  
• 
    X: j5 l$ }0 ?/ C2 @0 n
  

plt.style.use('bmh') #使用内置样式fig, ax = plt.subplots()
% j4 ]/ d; d6 ]/ M0 I

其余的样式同理可得。

+ t3 X6 j9 P. D第4步：使用Matplotlib绘制简单的散点图

• 
  6 `  T( O2 a: ]2 T* K5 @
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  / x, F+ [- I! C8 ]' w
• 
  
• 
  4 S% l9 J* r! l- p  E
• 
  
• 
  ( j& k5 Y+ o% U  o
• 
  
  

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()
  u2 f$ s; }7 Z; |1 j# w$ Q

注：内置样式可以更换，这里选择的是‘fast’。

+ N  A! l/ n! u% I0 I# _9 g* V