Python可视化 | xarray 绘图时序图

郭好奇同学

发布于 2021-07-30 14:59:47

3.4K0

发布于 2021-07-30 14:59:47

封图：嵊雨饧 @巴音布鲁克

导入本期所需的包和数据

import matplotlib.pyplot as plt
import numpy as np
import xarray as xr

ds1 = xr.open_dataset("..\\air.2020.nc", drop_variables = ["time_bnds"]).sel(level = 850).rename({"air": "Tair"})
ds = ds1.sortby("lat", ascending= True)
r_equator = 6378.137e3
r_polor = 6356.752e3
dx = np.deg2rad(2.5) * r_equator * np.cos(ds.lat * np.pi / 180)
dy = np.deg2rad(2.5) * r_polor

ds["dTdx"] = ds.Tair.differentiate("lon") / dx
ds["dTdy"] = ds.Tair.differentiate("lat") / dy
ds.dTdx.attrs = {"long_name": "$?T/?x$", "units": "°C/m"}
ds.dTdy.attrs = {"long_name": "$?T/?y$", "units": "°C/m"}

一维数据绘图（Ⅰ）

基础线图绘制

xarray 通过对plt.plot()的包装实现对线图的绘制。如前面所述，axes可以用变量进行标记，从而可以传递给底层matlibplot调用。

首先提取北纬 60°，西经 110° 处时间变化数据

data1d = ds.Tair.sel(lat=60, lon=250)
data1d

data1d

尝试直接使用.plot()方法绘图

data1d.plot()

data1d.plot()

似乎图在水平方向上稍显拥挤，有办法使得画板水平方向更加宽松吗？当然有。参数figsize可设置画板尺寸。既然可以调整画板尺寸，那么画板纵横比的调整便不难实现啦。下面给出一个实例：

data1d.plot(figsize = (10,4), marker="o")

.plot()方法中的参数figsize本质传递给了底层plt.figure. 若以脚本层绘图方法有如下理解：

plt.figure(figsize=(10,4))
data1d.plot(marker="o")

艺术家方法有类似的结果

fig = plt.figure(figsize=(10,4))
ax = plt.axes()
# 或一步法创建 fig, ax = plt.subplots(figsize=(10,4))

data1d.plot(ax = ax, marker="o")

更底层可通过Numpy 数组理解线图的绘制方法

fig, ax = plt.subplots(figsize=(10,4))

x = data1d.time.data
y = data1d.data
ax.plot(x, y, marker="o")

xarray 提取坐标名称和与此紧密相关的元数据attrs.long_name, attrs.standard_name, DataArray.name, attrs.units（若存在该项值）标记坐标轴的标签。名称long_name、standard_name、units符合CF 规范[1]。xarray 数据的属性可用.attrs方法获取。

data1d.attrs

data1d.attrs

类似于MATLAB 线图绘制[2]，可用类似的参数指定绘制线型、标记和颜色。

data1d.plot.line("b-^", figsize = (10,4))

线图绘制参数字符串b-^中的参数由三个对线图绘制的属性组成：线型（Line Styles）、标记（Markers）、颜色（Colors）. 这三个参数的顺序可以交换，也可以不必全部指定。

字符串参数顺序最好为'[标记][线型][颜色]'，其他顺序形式可能会导致错误。若未全指定上述所有属性，则采用相应属性的默认值。

当然也可使用 python 参数marker, linestyle 或ls, color 或c分别指定上述属性。

data1d.plot.line(marker = "^", ls = "-", c = "b", figsize = (10,4))

参数`marker`

参数marker表可参见matplotlib.markers[3]

matplotlib.markers

Matlibplot 官网[4]给出了不同标记的示例，可参见如下

import numpy as np
import matplotlib.pyplot as plt

# 随机数种子
np.random.seed(19680801)

x = np.random.rand(10)
y = np.random.rand(10)
z = np.sqrt(x**2 + y**2)

fig, axs = plt.subplots(2, 3, sharex=True, sharey=True)

# 符号标记
axs[0, 0].scatter(x, y, s=80, c=z, marker=">")
axs[0, 0].set_title("marker='>'")

# TeX 标记
axs[0, 1].scatter(x, y, s=80, c=z, marker=r'$\alpha$')
axs[0, 1].set_title(r"marker=r'\$\alpha\$'")

# 基于路径的标记
verts = [[-1, -1], [1, -1], [1, 1], [-1, -1]]
axs[0, 2].scatter(x, y, s=80, c=z, marker=verts)
axs[0, 2].set_title("marker=verts")

# 正多边形的标记
axs[1, 0].scatter(x, y, s=80, c=z, marker=(5, 0))
axs[1, 0].set_title("marker=(5, 0)")

# 常规星型标志
axs[1, 1].scatter(x, y, s=80, c=z, marker=(5, 1))
axs[1, 1].set_title("marker=(5, 1)")

# 常规星号标记
axs[1, 2].scatter(x, y, s=80, c=z, marker=(5, 2))
axs[1, 2].set_title("marker=(5, 2)")

plt.tight_layout()
plt.show()

plt.scatter或ax.scatter：绘制散点图。 plt.tight_layout()[5]：自动调整子图参数，使之填充整个图像区域。

参数`linestyle`

参数linestyle[6]有如下设置值：

值	线型
'-' 或 'solid'	实线
'--' 或 'dashed'	虚线
'-.' 或 'dashdot'	点划线
':' 或 'dotted'	虚线
'None' 或 ' ' 或 ''	不画线

linestyle

参数`color`

参数color[7]可控制颜色，具体有如下选择

color

除了内置颜色以外，也可以使用

灰度（如c = "0.80"）,
RGB（如c = (1.0, 0.3, 0.5)）,
十六进制颜色（如c = "#009C8E"）

对参数color进行设置。下面绘制一系列子图以便理解设置颜色的各类方法：

datathin = data1d.thin(time=50)

fig, ax = plt.subplots(2,3, sharex=True, sharey=True, figsize = (12, 4))
fig.subplots_adjust(hspace = 0.5, wspace = 0.2)

datathin.plot(ax = ax[0,0], c = "black")
ax[0,0].set_title('c = "black"')

datathin.plot(ax = ax[0,1], c = "r")
ax[0,1].set_title('c = "r"')

datathin.plot(ax = ax[0,2], c = "0.80")
ax[0,2].set_title('c = "0.80"')

datathin.plot(ax = ax[1,0], c = "#009C8E")
ax[1,0].set_title('c = "#009C8E"')

datathin.plot(ax = ax[1,1], c = (1.0, 0.3, 0.5))
ax[1,1].set_title('c = (1.0, 0.3, 0.5)')

datathin.plot(ax = ax[1,2], c = "orchid")
ax[1,2].set_title('c = "orchid"')

for axi in ax.flat:
    axi.set_ylabel("");