python天氣折線圖,python折線圖函數

本文目錄一覽：

• 1、一周氣溫記錄數據製作一個折線圖？
• 2、Python氣象數據處理與繪圖(2)：常用數據計算方法
• 3、如何根據一天的氣溫記錄，繪製氣溫變化折線圖
• 4、Python氣象數據處理與繪圖(12)：軌跡(颱風路徑，寒潮路徑，水汽軌跡)繪製

一周氣溫記錄數據製作一個折線圖？

操作如下：

收集一周的氣溫數據，輸入excel表中。

選中所有的數據，點擊插入——折線圖。

選擇一種折線圖的樣式，直接點擊生成折線圖。

Python氣象數據處理與繪圖(2)：常用數據計算方法

對於氣象繪圖來講，第一步是對數據的處理，通過各類公式，或者統計方法將原始數據處理為目標數據。

按照氣象統計課程的內容，我給出了一些常用到的統計方法的對應函數：

在計算氣候態，區域平均時均要使用到求均值函數，對應NCL中的dim_average函數，在python中通常使用np.mean()函數

numpy.mean(a, axis, dtype)

假設a為[time,lat,lon]的數據，那麼

需要特別注意的是，氣象數據中常有缺測，在NCL中，使用求均值函數會自動略過，而在python中，當任意一數與缺測(np.nan)計算的結果均為np.nan，比如求[1,2,3,4，np.nan]的平均值，結果為np.nan

因此，當數據存在缺測數據時，通常使用np.nanmean()函數，用法同上，此時[1,2,3,4，np.nan]的平均值為(1+2+3+4)/4 = 2.5

同樣的，求某數組最大最小值時也有np.nanmax(), np.nanmin()函數來補充np.max(), np.min()的不足。

其他很多np的計算函數也可以通過在前邊加‘nan’來使用。

另外，

也可以直接將a中缺失值全部填充為0。

np.std(a, axis, dtype)

用法同np.mean()

在NCL中有直接求數據標準化的函數dim_standardize()

其實也就是一行的事，根據需要指定維度即可。

皮爾遜相關係數：

相關可以說是氣象科研中最常用的方法之一了，numpy函數中的np.corrcoef(x, y)就可以實現相關計算。但是在這裡我推薦scipy.stats中的函數來計算相關係數：

這個函數缺點和有點都很明顯，優點是可以直接返回相關係數R及其P值，這避免了我們進一步計算置信度。而缺點則是該函數只支持兩個一維數組的計算，也就是說當我們需要計算一個場和一個序列的相關時，我們需要循環來實現。

其中a[time,lat,lon]，b[time]

(NCL中為regcoef()函數)

同樣推薦Scipy庫中的stats.linregress(x,y)函數：

slop: 回歸斜率

intercept：回歸截距

r_value： 相關係數

p_value： P值

std_err： 估計標準誤差

直接可以輸出P值，同樣省去了做置信度檢驗的過程，遺憾的是仍需同相關係數一樣循環計算。

如何根據一天的氣溫記錄，繪製氣溫變化折線圖

繪製氣溫-時間折線圖步驟如下：

繪製坐標軸，僅繪製第一象限即可，

橫軸標註時間（0:00~24:00），縱軸標註溫度，

將對應的(時間，溫度)坐標點描繪到坐標軸中，

用直尺依次連接各點，

即可得到氣溫變化折線圖。

Python氣象數據處理與繪圖(12)：軌跡(颱風路徑，寒潮路徑，水汽軌跡)繪製

寒潮是筆者主要的研究方向，寒潮路徑作為寒潮重要的特徵，是寒潮預報的重點之一，同樣的道理也適用在颱風研究以及降水的水汽來源研究中。關於路徑的計算以及獲取方法(比如軌跡倒推，模型追蹤等等方法，颱風有自己現成的數據集，比如ibtracs數據集等等)並不在本文的介紹範圍之內，本文主要介紹在獲取了相應的路徑坐標後，如何在圖中美觀的展現。

上圖展現了近40年東北亞區域的冬季冷空氣活動路徑，繪製這類圖需要的數據只需為每條路徑的N個三維坐標點，第一第二維分別為longitude和latitudee，第三維則比較隨意，根據需要選擇，比如說需要體現高度，那就用高度坐標，需要體現冷空氣強度，那就用溫度數據，水汽可以用相對濕度，颱風也可以用速度等等。

通常此類數據是由.txt(.csv)等格式存儲的，讀取和處理方法可參考我的“Python氣象數據處理與繪圖(1)：數據讀取”，本文主要介紹繪圖部分。

當然根據需要，也可以直接繪製兩維的軌跡，即取消掉顏色數組，用最簡單的plot語句，循環繪製即可。

有一個陷阱需要大家注意的是，當軌跡跨越了東西半球時，即穿越了0°或者360°經線時，它的連接方式是反向繞一圈，比如下圖所示，你想要藍色的軌跡，然而很有可能得到綠色的，這是因為你的網格數組的邊界是斷點，系統不會自動識別最短路徑，只會在數組中直接想連，因為這不是循環數組。

我目前的解決辦法是這樣的：如果你的數據是0°-360°格式，那麼變為-180°-180°的格式，反之相互轉換。但是如果你的數據兩種都出現了斷點，也就是繞了地球一圈多，那無論怎樣都么得辦法了，我目前的思路是將數據轉換成極坐標數據格式，理論上是可行的，CARTOPY的繪圖也是支持極坐標數據的，具體實施還需要再試試。