python气象数据可视化学习笔记4——利用windrose叠加污染物浓度

1. 效果图

在大气环境领域经常需要画一种风向玫瑰叠加污染物浓度的图，周末用python试了试，也是非常简单好用。

2. 代码解析

2.1 导入库和读取数据

除了分析和读取数据的numpy, pandas还有matplotlib外，需要添加windrose库，这点可以自己pip install windrose，比较简单方便。
另外，准备了3列数据，分别代表风向wd, 风速ws，污染物浓度pm。这里wd用到的是弧度数据（0-2pi）。

from windrose import WindroseAxes
from matplotlib import pyplot as plt
import matplotlib as mpl
import numpy as np
import pandas as pd
mpl.rcParams["font.family"] = 'Arial'  #默认字体类型
mpl.rcParams["mathtext.fontset"] = 'cm' #数学文字字体
mpl.rcParams["font.size"] = 16

# read data
data = pd.read_excel("wind.xlsx", index_col=0, sheet_name='Sheet2').dropna()
ws = data.ws
wd = data.wd/360*2*np.pi
pm = data.O3

2.2 转变为windrose轴

ax = WindroseAxes.from_ax()把轴换成windrose轴，此时还需做以下三步完成转换：

1. 把0°方向定位北：ax.set_theta_zero_location(“N”)
2. 坐标旋转方向为clockwise
3. 定义具体的坐标间隔和label

fig = plt.figure(figsize=(6,6))
ax = WindroseAxes.from_ax()

ax.set_theta_zero_location("N")
ax.set_theta_direction('clockwise')
ax.set_xticks([(i/4)*np.pi for i in range(8)])
ax.set_xticklabels(['N','NE','E','SE','S','SW','W','NW'])
ax.set_rlim(0,8)

2.3 画散点填色图

画散点图，c=pm把污染物浓度和散点填色结合起来，cmap选择colormap，s为散点大小。
添加colorbar，定义长度（shrink）和与图片的距离（pad）.

plt.scatter(wd, ws, c=pm, cmap='jet', alpha=0.9, s=200)
plt.colorbar(shrink=0.75, pad=0.07)
plt.savefig('wind_scatter.png')

3. 完整代码

from windrose import WindroseAxes
from matplotlib import pyplot as plt
import matplotlib as mpl
import numpy as np
import pandas as pd
mpl.rcParams["font.family"] = 'Arial'  #默认字体类型
mpl.rcParams["mathtext.fontset"] = 'cm' #数学文字字体
mpl.rcParams["font.size"] = 16

# read data
data = pd.read_excel("wind.xlsx", index_col=0, sheet_name='Sheet2').dropna()
ws = data.ws
wd = data.wd/360*2*np.pi
pm = data.O3

# plot
fig = plt.figure(figsize=(6,6))
ax = WindroseAxes.from_ax()

ax.set_theta_zero_location("N")
ax.set_theta_direction('clockwise')
ax.set_xticks([(i/4)*np.pi for i in range(8)])
ax.set_xticklabels(['N','NE','E','SE','S','SW','W','NW'])
ax.set_rlim(0,8)


plt.scatter(wd, ws, c=pm, cmap='jet', alpha=0.9, s=200)
plt.colorbar(shrink=0.75, pad=0.07)
plt.savefig('wind_scatter.png')