|
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。
4 y( l6 ]$ A5 F/ u3 i) F1 r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("···") & l$ u+ \3 w, Z! n
只要按照以上六步,基本绘图没有问题!!!
1 ~2 H0 j1 P/ w2 ?5 M x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):
( T3 I- |6 H; N/ M
u5 I, G) q" |7 O
5 W# P7 [- l0 o4 w% _, {- ( b, t) T3 K6 a! D7 C' J
8 s$ Z& B6 X) H3 V+ s' L
! `# l" W3 w* |. I( J9 C* e0 m x! p( @- + Y0 G3 ?7 `, A
# ~$ Z) _" f1 z7 U- c0 q2 W X1 i- 8 n& B# x1 G. B! j& K4 t
2 z8 a9 D" H% i. E4 U- \$ ]- N- $ x& o3 Q7 T' a0 W$ `+ }
! e$ d, G3 E- I2 F E: ]6 C7 Q
( S7 P0 R0 E$ i: e% f: `
4 ~2 i9 ~/ h9 c0 @: f) Q- 4 [1 s* W$ ^' w U( W1 D+ ?0 a
1 A) I8 P$ m3 m
$ D$ N+ z3 h" w |, n
) p- O+ R" H4 U' ^7 `- ' d) S+ t2 @" m" S! W4 f
- 5 t* |8 w/ q$ ~. D6 f9 N
( q3 F* J$ q/ [- V5 z9 e. ?' d5 g
( N/ x% I, o7 S2 L
+ U* ?+ @* n* E2 l0 _) J- i) ?0 ^- & B, I( e- l+ Z }2 X2 x8 q
- " h E" J) Y$ M# }) y# X
- 3 b- x0 K1 j O' H8 ~4 A& Y( @8 @1 z
- 4 I! O+ H# p. H8 E1 r- R
* f1 O( G0 Y- f6 i2 h: B' q1 k- " {) t, H- @0 Y8 }2 l/ a
- * B. W" N" ]: }+ u7 f/ x( D
- ( U$ O) y: n P
: Z: q" G( g* K- {( f( J- * e8 m2 X1 ?7 g( h2 p4 C
- & P6 [- g7 x# y
- " n, Y( K0 H7 J$ b- V: e) q/ w
- - d Z* Y+ }2 z! d8 j
; W/ L! _9 O2 o: o, b: h- & }2 W1 U" i7 _/ V- J
& [- f. A% V3 B- % Y" b9 g! F: D& N/ L/ T8 _
) w3 S" B. C' \: l5 j% P1 ~5 N# N
n. r# c% @$ Z7 _0 z, s- . \( o( i; i, p5 ?4 ^2 R% ^3 O
; T* d6 F3 t; a5 U9 ?$ J' L$ {1 i' F* K4 ]' ^/ m8 g
#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() 2 l; v: E) d$ X5 k9 u2 [
|