Python可视化 | xarray绘图样式配置

Photo by bady abbas on Unsplash

样式配置文件

Matlibplot 每次加载前都会载入运行时配置文件（rc, runtime configuration）. 这个文件包含如何创建图形元素默认风格的信息。

所修改的参数值仅在当前 Python 会话中有效。若重启 Python 且不运行参数修改代码，则仍为参数仍为默认值。

默认风格信息可通过plt.rcParams获得。这些参数是通过字典的方式存储的。

代码语言：javascript复制

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams

plt.rcParams

下面尝试一下修改参数'font.size': 10.0为'font.size': 18.0.

'font.size': 10.0

用修改字典元素的方式修改参数font.size

代码语言：javascript复制

plt.rcParams['font.size'] = 18

尝试绘图确认是否修改成功全局字体大小是否修改成功

代码语言：javascript复制

x = np.arange(1,11)
y = x **2
plt.plot(x,y)
plt.title("Fontsize = 18")

Fontsize = 18

若需修改回默认样式，可使用matplotlib.rcdefaults实现。

代码语言：javascript复制

import matplotlib as mpl
mpl.rcdefaults()

x = np.arange(1,11)
y = x **2
plt.plot(x,y)
plt.title("Default Fontsize")

Default Fontsize

预设样式表

除了可以在 Matlibplot 中自定义样式以外，还可以使用 Matlibplot 内置样式快速绘图配置。

样式的修改依赖于 Matlibplot.pyplot 中的 style 模块实现的。内置样式以文本形式存储，文件后缀为.mplstyle.

使用样式表的方法很简单，主要有两种使用方式：全局使用、局部使用。

全局使用

设置全局使用后，plt.style.use后的绘图将全部设置为新样式。

代码语言：javascript复制

import matlibplot.pyplot as plt
# 使用经典风格绘图
plt.style.use("classic")
...（绘图代码，均使用classic 风格绘图）

局部使用

局部使用可在with方法中使用上下样式管理器（context manager）实现在方法体内部临时切换样式表。

代码语言：javascript复制

import matlibplot.pyplot as plt

with plt.style.context("classic")
  ...（绘图代码，使用classic 风格绘图）

...（绘图代码，使用default 风格绘图）

内置样式表

Matlibplot 配置了 12 种默认样式表。

默认风格（default）

经典风格（classic）

Solarize_Light2

_classic_test_patch

本样式集来自Bayesian Methods for Hackers[1] 一书。对科学绘图而言，本样式是一个良好的解决方案。

dark_background

fast

fivethirtyeight

本样式集模仿了著名数据记者 Nate Silver 创办网站Fivethirtyeight[2]的外观。

ggplot

本样式集来自于 R 语言的同名绘图系统 ggplot2. 该样式集它在呈现数据方面吸取了很多最新的解决方案，并注重数据可视化的简单性。

grayscale

seaborn 系列

本样式表系列来自 Seaborn 包中的一组样式集[3]。Seaborn 包为 Matlibplot 提供更多附加功能并改善默认的 matplotlib 绘图样式。

<<< 左右滑动见更多 >>>

<<< 左右滑动见更多 >>>

tableau-colorblind10

Tableau[4] 是一款著名可视化探索分析数据的软件。本样式表模仿 Tableau 的风格，可呈现出类似的视觉效果。

Tableau Logo

XKCD 手绘样式

XKCD[5] 是一个关于浪漫、隐喻、数字、以及语言的漫画网站。xkcd 是兰道尔·门罗（Randall Munroe）的网名，又是他所创作的漫画的名称，其漫画创作的手绘风格尤其引人注目。

Immune Factory（https://xkcd.com/2491/，CC-BY-NC 2.5）

matlibplot 提供了方法plt.xkcd[6]以便将默认风格转换为 XKCD 样式。

下面给出几个局部使用 XKCD 样式的例子。

下述绘图均在 Windows 系统下绘制，linux 系统可能需要自行修改参数rcParams以便获得最佳的字体呈现效果。

Windows 系统一般情况下无需以下操作。若无法获得理想的效果，可通过修改参数rcParams实现自定义全局字体

代码语言：javascript复制

import matplotlib as mpl
import matplotlib.font_manager as fm
fe = fm.FontEntry(
    fname='..\xkcd.ttf',
    name='xkcd')
fm.fontManager.ttflist.insert(0, fe)
mpl.rcParams['font.family'] = fe.name

所需字体xkcd.ttf可通过在后台回复xarray获得。参数fname='..\xkcd.ttf'需提供字体所在的路径。

首先导入数据

代码语言：javascript复制

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

ds1 = xr.open_dataset("..\air.2020.nc", drop_variables = ["time_bnds"]).sel(level = 850).rename({"air": "Tair"})
ds = ds1.sortby("lat", ascending= True)

uwnd_raw = xr.open_dataset("..\uwnd.2020.nc", drop_variables = ["time_bnds"]).sel(level = 850, lon = slice(0, 160), lat=slice(85, 12)).uwnd.isel(time = 5)
vwnd_raw = xr.open_dataset("..\vwnd.2020.nc", drop_variables = ["time_bnds"]).sel(level = 850, lon = slice(0, 160), lat=slice(85, 12)).vwnd.isel(time = 5)
uwnd = uwnd_raw.sortby("lat", ascending= True)
vwnd = vwnd_raw.sortby("lat", ascending= True)
winddata_dense_raw = xr.Dataset(data_vars={"uwnd": uwnd, "vwnd": vwnd})
winddata_dense = winddata_dense_raw.assign(windspeed = np.hypot(winddata_dense_raw.uwnd, winddata_dense_raw.vwnd))
winddata_thin = winddata_dense.thin(lat=2, lon=2)

绘制 Matlibplot 默认绘图

代码语言：javascript复制

ds.Tair.mean(dim = ('lat', 'lon')).plot(figsize=(12,5))

使用关键词with以便局部使用 XKCD 样式

代码语言：javascript复制

with plt.xkcd():
    ds.Tair.plot(figsize=(12,5))

绘制一维线图

代码语言：javascript复制

with plt.xkcd():
    ds.Tair.mean(dim = ('lat', 'lon')).plot(figsize=(12,5))

绘制二维 pcolormesh

代码语言：javascript复制

with plt.xkcd():
    ds.Tair.mean(dim = ('time')).plot(figsize=(12,5))

绘制箭头风场（quiver）图

代码语言：javascript复制

with plt.xkcd():
    fig, ax = plt.subplots(figsize=(12,5))
    winddata_thin.plot.quiver(x="lon", y="lat", u="uwnd", v="vwnd", ax=ax)

绘制流场图

代码语言：javascript复制

with plt.xkcd():
    fig, ax = plt.subplots(figsize=(12,8))
    winddata_thin.plot.streamplot(x="lon", y="lat", u="uwnd", v="vwnd", hue="windspeed",
                                            ax=ax,
                                            cbar_kwargs = {
                                                "orientation": "horizontal",
                                                "aspect": 40,
                                                "pad": 0.15,
                                                "label": "Wind Speed [m/s]",
                                                },
                                            linewidth = 1.5,
                                            cmap = "plasma",
                                            )