xarray--一維空間繪圖學習記錄

Simple Example

• dataarrays 最簡單的畫圖方法就是呼叫dataarray.plot()
• xarray 可以通過使用坐標名稱或者資料名稱進行資料索引，如 attrs.long_name, attrs.standard_name, DataArray.name and attrs.units ，而這些名稱可以通過dataarray.attrs命令獲得，示例如下：

sst.attrs

{'long_name': 'Monthly Mean of Sea Surface Temperature',
 'unpacked_valid_range': array([-5., 40.], dtype=float32),
 'actual_range': array([-1.7999996, 35.56862  ], dtype=float32),
 'units': 'degC',
 'precision': 2,
 'var_desc': 'Sea Surface Temperature',
 'dataset': 'NOAA Optimum Interpolation (OI) SST V2',
 'level_desc': 'Surface',
 'statistic': 'Mean',
 'parent_stat': 'Weekly Mean',
 'standard_name': 'sea_surface_temperature',
 'cell_methods': 'time: mean (monthly from weekly values interpolated to daily)',
 'valid_range': array([-500, 4000], dtype=int16)}

呼叫dataarray.plot()方法進行快速繪圖:

sst1 =sst.isel(lat=10, lon=10)
sst1.plot()

除此之外，還可以繪制一些其他的繪圖功能，例如，通過xarray.plot.line()命令呼叫matplotlib.pyplot.plot功能，分別傳遞索引和陣列中的x，y值，例如，用藍線繪制三角形matplotlib格式字串可以使用:

sst1[:200].plot.line("b-^")

注意！：不是所有的xarray 繪圖都支持傳遞位置的引數，但是都支持關鍵字功能，關鍵字引數呼叫使用相同的方式,且更明確，如所示：

sst1[:200].plot.line(color="purple", marker="o")

Adding to Existing Axis

添加繪圖到一個現有的坐標軸，并作為一個關鍵字：ax，這對所有的xaray繪圖方法都適用，在下面這個例子中axes是一個由plt.subplots陣列組成的左軸和右軸，

fig, axes = plt.subplots(ncols=2)

axes

air1d.plot(ax=axes[0])

air1d.plot.hist(ax=axes[1])

plt.tight_layout()

plt.draw()

右邊是一個直方圖由xarray.plot.hist ()繪制，

Controlling the figure size：控制圖的大小

通過傳遞figsieze來控制圖片的大小，為了方便起見,xarray的繪圖方法還支持aspect和size控制生成影像的大小通過公式figsize =(aspect*size,size)

sst1.plot(aspect=2, size=3)

plt.tight_layout()

Determine x-axis values

每個默認維度坐標用于 x 軸(這里是時間坐標)，但是，您也可以沿 x 軸使用非維度坐標、多索引級別和沒有坐標的維度，為了說明這一點，讓我們從時間中計算一個“小數日”(epoch) ，并將其分配為一個非維度坐標:
每個默認維度坐標用于 x 軸(這里意思就是說將時間坐標作為x坐標軸)，但是，也可以沿 x 軸使用非維度坐標、多索引級別和沒有坐標的維度，為了說明這一點，讓我們從時間中計算一個“小數日”(epoch) ，并將其分配為一個非維度坐標:

decimal_day = (sst1.time - sst1.time[0]) / pd.Timedelta("1d")

sst1_multi = sst1.assign_coords(decimal_day=("time", decimal_day.data))

sst1_multi

使用 ‘decimal_day’ 作為 x 坐標，必須明確指定:

sst1_multi.plot(x="decimal_day")

從“ time”和“ decimal _ day”創建一個名為“ date”的新 MultiIndex，也可以使用 MultiIndex 級別作為 x 軸:

sst1_multi = sst1_multi.set_index(date=("time", "decimal_day"))

sst1_multi.plot(x="decimal_day")

最后，如果資料集沒有任何坐標，它將列舉所有資料點:

sst1_multi = sst1_multi.drop("date")

sst1_multi.plot()

同樣的情況也適用于下面的二維圖，

Multiple lines showing variation along a dimension :多條線顯示一個維度上的變化

通過使用適當的引數呼叫 xary.plot.line () ，可以對二維資料繪制線圖，考慮上面定義的三維變數，我們可以用直線圖來檢查經線上三個不同緯度地區的氣溫變化:

sst.isel(lon=10, lat=[19, 21, 22]).plot.line(x="time")

它需要明確的指定:

• 1 x：用于x軸的維度
• 2 hue（色調）：要用多條線表示的維度
  因此，我們可以通過指定 hue = lat而不是 x = ‘time來繪制前面的圖，如果需要，可以使用 add _ legend = False 關閉自動圖例，或者，可以直接傳遞給 xary.plot.line (): sst.isel (lon = 10，lat = [19,21,22]).plot.line (hue ='lat')，

Dimension along y-axis :沿著y軸的維度

還可以繪制線圖，使資料在 x 軸上，維度在 y 軸上，這可以通過指定適當的 y 關鍵字引數來實作，

sst.isel(time=10, lon=[10, 11]).plot(y="lat", hue="lon")

Step plots :步驟圖

作為替代方案，也可以使用1維資料繪制類似 matplotlib 的 plt.step，

sst1[:20].plot.step(where="mid")

引數 where 定義了步驟應該放在哪里，選項是“ pre”(默認值)、“ post”和“ mid”，當繪制與 Dataset.groupby _ bin ()分組的資料時，這尤其方便，

sst_grp = sst.mean(["time", "lon"]).groupby_bins("lat", [0, 23.5, 66.5, 90])

sst_mean = sst_grp.mean()

sst_std = sst_grp.std()

sst_mean.plot.step()

(sst_mean + sst_std).plot.step(ls=":")

(sst_mean - sst_std).plot.step(ls=":")

plt.ylim(-20, 30)

plt.title("Zonal mean temperature")

Other axes kwargs :其他關鍵字

關鍵字 arguments xincrease 和 yincrease 可以控制軸的方向，

sst.isel(time=10, lon=[10, 11]).plot.line( y="lat", hue="lon", xincrease=False, yincrease=False)

此外，可以使用 xscale、 yscale 來設定軸伸縮性; xticks、 yticks 來設定軸刻度，xlim、 ylim 來設定軸限制，它們接受與 matplotlib 方法 Axes.set _ (x，y) scale ()、 Axes.set _ (x，y) ticks ()、 Axes.set _ (x，y) lim ()相同的值，

原文參考鏈接：https://xarray.pydata.org/en/stable/user-guide/plotting.html#plotting-faceting