羲和能源大数据平台——Python数据绘图方法
1. 写在前面
目前论文对绘图的美观度要求越来越高，在气象领域呈现维度高，时空关联的特性，为了充分展示数据在各个维度的特性，选用合适的绘图方法至关重要，下图给出了如今在科研领域中个常用的各类图像：线型图、气泡图、雷达图、直方图、饼状图、带状图、散点图、箱形图、小提琴图等等。大家为了画出一个图可谓是卷出了“新花样”。
最近，我们频繁收到用户的反馈说平台绘图十分优美，但是却不知道怎么才能画出来，于是我们开启了一期专门的绘图教程，帮助我们的客户在论文撰写、汇报时更“优美”的展示数据。相关内容将持续更新，想要掌握更多的绘图技巧，请记得关注我们～
图源：https://www.reddit.com/r/datascience/comments/bo8a0c/the_fun_way_to_understand_data_visualization/
2. 线型图
线型图可谓是最简单的反应数据变化规律的图，因为现实中的数据都是离散的，将有相关规律的两个变量通过线型图展示出来时最直观的，一般线型图的横坐标为时间（不是绝对的），纵坐标为需要展示的数据。下图为羲和中下载数据后画出来的线型图。
线型图的绘制十分简单，Excel、Python、R、Matlab、LaTeX等都能非常简单的画出线型图，然而Excel中自带的线型图并不是十分美观，推荐用Python等编程语言进行绘制，Python中matplotlib、seaborn、plotly等第三方库支持非常多的优美图，可以通过pypi安装
以下是Python中绘制的方式：
绘制结果：
当然，我们也可以选在在一幅图中绘制多个变量，只需要更改参数y 即可：
在这个非常注重配色搭配的时代，在多个颜色的图中往往会选择饱和度较低的颜色，我们可以更改 template 和 color_discrete_sequence 两个参数来调整背景和线的颜色。
以下是两个参数的参考文档，这在我们后面的绘图中也十分重要：template: https://plotly.com/python/templates/color_discrete_sequence:https://plotly.com/python/discrete-color/
3. 分布玫瑰图（以风向为例）
风向在气象数据里面是反映风速方向的变量，由于风向的范围是0~360度，因此可以统计出风向的分布情况，进而通过玫瑰图等展示频率分布的图像来更为清晰的展示风向的分布情况，以下是羲和中下载风向数据后自动画出的风向分布玫瑰图：
然而，我们下载到的羲和气象数据是时序数据，因此我们需要首先统计不同风向区间的数据点频率，再绘制出玫瑰图。有了这个思想，我们就可以十分轻松的用Python来实现风向玫瑰图的绘制了：
以下是绘制效果：
同样我们也可以通过改变template 和 color_discrete_sequence 两个参数来调整背景和饼状的颜色。
4. 下期提示
下一期，我们将展示如何在风向玫瑰图中一同展示风速的强度：
