|
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。 6 _- s) c0 P! n* {# C
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("···")
/ y, h" Y+ F5 f* ^7 Y
只要按照以上六步,基本绘图没有问题!!! # ]( {7 Q( V( D4 M& k9 B$ B- r
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): - 8 ?% b+ \! K& y! H: y& l; J+ G
- 8 Z- Z" j. ~1 K/ p0 r
; [1 w$ l3 k3 L: f2 y' L+ F- 9 W( V0 h; n& a/ H- [
( w# K3 w+ s& F5 z* }
) C+ f6 X5 ~/ G0 s
\3 s7 L8 a" j# `, H' o4 L$ V8 T- 1 {- E3 u! G, [/ y4 i0 j
- * d) K9 Y2 [, v) ~/ A
- . T; k, T( u7 _9 J7 l5 A) W
- , h3 G" B" ~) U, y2 a5 C3 i
4 j6 G" C R" L3 ]+ ~7 {" X
) w$ N- g) P; f0 m: u3 R$ G- 5 v, j! I8 n( F7 S6 ^ Y3 O* M
- 3 a9 W+ _9 I5 M% o5 @+ ?, d- v
- - d2 S& H2 z1 Q# T; P
- % E% C0 y- N+ \ ]$ C" N; x
" j0 s% }6 |, D) h1 K- ! o$ N9 I; [2 M! l- j. U
8 H x, i3 p) y2 g, Q
; ~. j# p1 y# e% m' V8 x( a- : i% a$ z B& r; ~3 O% O5 q
$ }7 z& o) L0 O- X; n
7 g( `" |5 k9 W- 4 W) M* b4 j7 i) C2 L f# y
( \1 t- D& k! T0 f( o
# Q4 H6 ]# Y% T5 \: F+ _" X- , ]9 t0 r: R& W
5 k. a6 d8 o: D8 I# C% ^9 S
+ O) ?* w+ Y+ m% \
% h* [- N9 ]5 n" j7 e; A
% v. k+ R. _) C% q. b- 1 V( a' W: D2 ]+ C6 {2 O) D! |
- : E3 H9 K S" f; i/ x7 F
- / r+ G' F; z* h5 c; b& Y* A+ [
1 Z- x' `" Z- D; @# L- 1 X+ A, L# h: X% p/ m
! T$ u* ?( o( M- * u+ h: s9 p3 ^6 v
- & @2 z# p# p1 k* F( e( H
- ) N/ ?/ K) |. n0 y! d6 ?2 ~! g, O+ j
- + {7 G6 f) A1 j" @" {/ X( P
4 p4 J6 q8 N. p n- m0 N, _' P$ i
[) t: d( _+ x/ G1 ~, |2 v2 P
, r2 G8 W. _/ h. l# a
#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()
5 ^- a! k; \/ z; S |