本节提要:接着上一章折线图,简要谈谈散点图scatter( )的常用关键参数,以及在气象绘图上的简单应用。
一、简要谈谈散点图
散点图scatter在气象绘图上主要用于地理信息的标注、站点值的检验、时间序列数据可视化等等,相比其他行业,气象上散点图的应用明显低频。当散点图的直径大小和内部填色改变时,有一个名谓“气泡图”的说法。 下面是在文献中截取的两种典型使用方式: 图一 使用散点图表示青藏高原站点地理信息 图二 使用散点图表示站点突变信息 二、scatter( )绘图函数的基础运作 在前一章我们已经提到过,plot函数在某些时候可以简单理解为将scatter函数的散点连接起来,所以,其基础绘制方式也是依靠横轴、纵轴数据来确定散点在笛卡尔坐标系中的位置,并绘图。然后,依靠其关键字参数来进行修饰美化。 scatter( )函数的传入数据方式可参考plot( ),注意x、y数组长度必须一致。 三、scatter( )函数的常用关键字参数 scatter( )函数的核心部分当然是围绕着修饰散点进行,也匹配一定的其他修改命令。下面简要介绍常用scatter关键字命令。scatter( )函数常用关键字参数 | |
x y |
传入scatter( )的横纵轴数据,用于确定散点位置 |
s | 控制散点的大小 |
import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif']=['SimHei']#中文正常显示def sample_data():#编制实验数据 x=range(1,21)#横坐标数据 y=np.array([2,4,6,7,5,3,3,5,7,9,1115,10,8,4,7,8,3,2,5,7])#纵坐标数据 data1=np.array([22,13,24,26,30,31,36,20,27,15,17,19,24,27,30,15,21,22,10,27]) data2=np.array([120,132,143,151,109,149,125,119,120,158,171,101,106,108,126,149,127,151,143,102]) return x,y,data1,data2x,y,data1,data2=sample_data()#获得实验数据fig=plt.figure(figsize=(2.5,2),dpi=500)ax1=fig.add_axes([0,0,1,0.45])ax2=fig.add_axes([0,0.55,1,0.45])ax1.scatter(x,y,s=20,zorder=2)ax2.scatter(x,y,s=50,zorder=2)ax1.set(xlim=(0,21),ylim=(1,15))ax2.set(xlim=(0,21),ylim=(1,15))ax1.tick_params(axis='both',direction='in',length=3,width=0.5,labelsize=7)ax2.tick_params(axis='both',direction='in',length=3,width=0.5,labelsize=7)ax1.grid(alpha=0.75,ls=':')ax2.grid(alpha=0.75,ls=':')