问题描述
我希望使用 matplotlib 来绘制月度数据的年际变化(如下)。通过在 c=ds['time.year']
中传递 plt.scatter()
,我达到了预期的结果。但是,我希望能够通过类似的 plt.plot()
调用连接这些点。这可能吗?
import pandas as pd
import matplotlib.pyplot as plt
import xarray as xr
# create y data
y = []
for yr in range(10):
for mo in range(12):
y.append(yr+mo+(yr*mo)**2)
# create datetime vector
t = pd.date_range(start='1/1/2010',periods=120,freq='M')
# combine in DataArray
ds = xr.DataArray(y,coords={'time':t},dims=['time'])
# scatter plot with color
im = plt.scatter(ds['time.month'],ds.values,c=ds['time.year'])
plt.colorbar(im)
输出:
我尝试了以下方法,但不起作用:
plt.plot(ds['time.month'],c=ds['time.year'])
解决方法
您可以创建一个将年份范围映射到颜色范围的规范。规范与使用的颜色图一起,可以作为 ScalarMapple
的输入来创建伴随的颜色条。使用默认的“viridis”颜色图,代码可能如下所示:
import matplotlib.pyplot as plt
from matplotlib.cm import ScalarMappable
import pandas as pd
import xarray as xr
y = []
for yr in range(10):
for mo in range(12):
y.append(yr + mo + (yr * mo) ** 2)
t = pd.date_range(start='1/1/2010',periods=120,freq='M')
ds = xr.DataArray(y,coords={'time': t},dims=['time'])
norm = plt.Normalize(ds['time.year'].min(),ds['time.year'].max())
cmap = plt.cm.get_cmap('viridis')
for year in range(int(ds['time.year'].min()),int(ds['time.year'].max()) + 1):
plt.plot(ds['time.month'][ds['time.year'] == year],ds.values[ds['time.year'] == year],ls='-',marker='o',color=cmap(norm(year)))
plt.colorbar(ScalarMappable(cmap=cmap,norm=norm))
plt.xticks(range(1,13))
plt.show()