|
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。
7 v0 q. S7 K0 N' J3 n+ i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 H9 B6 P, W$ @. R! q: t5 v
只要按照以上六步,基本绘图没有问题!!!
( z$ D5 v* e3 C9 l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): - $ n% E3 P: ~- ]8 O/ d; ]
- / S) |! ?6 P' s" ]5 v& T& q
- 0 y5 \8 _7 J5 }2 s+ K
- 6 \$ l2 S& V2 ]* l( [; _
- 6 F$ P+ [, D# E: j+ Z6 F# X
- # c- s- V7 K. V
3 L2 r2 `9 b$ @/ `, t
6 S' z, `1 A, n. C b/ n# p- ; s; \7 c: C( w' v
- 7 W$ _- w+ X+ b4 v/ |
- 1 E" Y) }. C2 Q, ]/ r
7 w4 K2 C' c6 {! l- [9 }' i) `$ P1 B
" _3 z2 `, V) C9 d- * a5 z' z9 m0 T, c* r
- ; q* u* W/ a* a9 e5 N0 X" D) B( m. o z
- 4 k9 ?# T g& D% E7 N3 {' B
8 h+ T: d4 w x9 x6 _- & E7 x' M" [; g$ E" g
- 1 c/ @+ C' f! W% B4 @+ G5 u3 N
3 V; G! ^8 p. H! Q* ~6 H! V: ]6 {1 W
8 r4 D* N: p+ z+ Y% M( D- : X9 n2 |3 o2 o; I9 ~7 b0 M
3 z# A; ?$ c: [# c2 d0 ^" r$ C- ! q) D, a5 W6 h$ }7 @
- 2 n; S) H L; M
0 _; ~4 n; D' A7 p) g8 `
3 }& H8 o% N) c% U0 _
, E! a; q5 d- h3 k4 N1 C: n- * F3 ?6 f- W( v+ @/ V/ V
- 4 f: Y6 G% x! H* R# O. d: R; u4 P
- 7 T% N; J6 l& A1 e
- : v3 Q, w$ z8 l( N) m, K9 O
- Q' p7 _; \9 ~) T& E- 0 c8 f2 k$ G. H/ [/ p$ s) b3 y! g' s: p
" A- E4 Z. p/ l1 @) E
9 {* T* J0 S4 o/ r4 i
+ z# R, e4 L; f5 a
# M% F2 E3 p1 M1 M" S: }( J- 9 |) z, P. J2 q# | ]
" A, {. w; v/ k$ s9 b# ~( M- 0 U) @: I8 B* z$ X
0 \" H* W# _( u
6 i' [2 ~8 ^( f D8 y, v {& u2 ]1 ~7 _2 O/ O" q7 |+ n, p; L
#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()
; S* }% H% J+ n% T2 m, S" h8 \ |