简介
在本实验中，我们将学习如何使用 Python 中的 Matplotlib 库创建 SkewT-logP 图。SkewT-logP 图常用于气象学中显示温度的垂直剖面。它是一个复杂的图表，因为它涉及非正交的 X 和 Y 轴。我们将使用 Matplotlib 的变换和自定义投影 API 来创建此图表。
虚拟机提示
虚拟机启动完成后，点击左上角切换到“笔记本”标签以访问 Jupyter Notebook 进行练习。
有时，你可能需要等待几秒钟让 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。
如果你在学习过程中遇到问题，请随时向 Labby 提问。课程结束后提供反馈，我们将立即为你解决问题。
导入所需库
我们将从导入所需库开始。在这个示例中，我们将使用 Matplotlib、NumPy 和 StringIO。
from contextlib import ExitStack
from matplotlib.axes import Axes
import matplotlib.axis as maxis
from matplotlib.projections import register_projection
import matplotlib.spines as mspines
import matplotlib.transforms as transforms
import matplotlib.pyplot as plt
import numpy as np
from io import StringIO
from matplotlib.ticker import (MultipleLocator, NullFormatter, ScalarFormatter)
定义 SkewXTick 类
SkewXTick 类用于在 SkewT-logP 图上绘制刻度。它会检查刻度是需要绘制在 X 轴的上半部分还是下半部分，并相应地设置刻度和网格线的可见性。
class SkewXTick(maxis.XTick):
def draw(self, renderer):
with ExitStack() as stack:
for artist in [self.gridline, self.tick1line, self.tick2line, self.label1, self.label2]:
stack.callback(artist.set_visible, artist.get_visible())
needs_lower = transforms.interval_contains(self.axes.lower_xlim, self.get_loc())
needs_upper = transforms.interval_contains(self.axes.upper_xlim, self.get_loc())
self.tick1line.set_visible(self.tick1line.get_visible() and needs_lower)
self.label1.set_visible(self.label1.get_visible() and needs_lower)
self.tick2line.set_visible(self.tick2line.get_visible() and needs_upper)
self.label2.set_visible(self.label2.get_visible() and needs_upper)
super().draw(renderer)
def get_view_interval(self):
return self.axes.xaxis.get_view_interval()
定义 SkewXAxis 类
SkewXAxis 类用于为刻度提供两组独立的区间，并创建自定义刻度的实例。
class SkewXAxis(maxis.XAxis):
def _get_tick(self, major):
return SkewXTick(self.axes, None, major=major)
def get_view_interval(self):
return self.axes.upper_xlim[0], self.axes.lower_xlim[1]
定义 SkewSpine 类
SkewSpine 类计算上 X 轴的单独数据范围，并在那里绘制脊柱（脊线）。它还将此范围提供给 X 轴艺术家以进行刻度和网格线设置。
class SkewSpine(mspines.Spine):
def _adjust_location(self):
pts = self._path.vertices
if self.spine_type == 'top':
pts[:, 0] = self.axes.upper_xlim
else:
pts[:, 0] = self.axes.lower_xlim
定义 SkewXAxes 类
SkewXAxes 类负责将斜 X 轴注册为一种投影，并设置适当的变换。它会根据需要覆盖标准的脊线（spines）和轴实例。
class SkewXAxes(Axes):
name ='skewx'
def _init_axis(self):
super()._init_axis()
self.xaxis = SkewXAxis(self)
self.spines.top.register_axis(self.xaxis)
self.spines.bottom.register_axis(self.xaxis)
def _gen_axes_spines(self):
spines = {'top': SkewSpine.linear_spine(self, 'top'),
'bottom': mspines.Spine.linear_spine(self, 'bottom'),
'left': mspines.Spine.linear_spine(self, 'left'),
'right': mspines.Spine.linear_spine(self, 'right')}
return spines
def _set_lim_and_transforms(self):
super()._set_lim_and_transforms()
rot = 30
self.transDataToAxes = (self.transScale + self.transLimits + transforms.Affine2D().skew_deg(rot, 0))
self.transData = self.transDataToAxes + self.transAxes
self._xaxis_transform = (transforms.blended_transform_factory(
self.transScale + self.transLimits, transforms.IdentityTransform()) + transforms.Affine2D().skew_deg(rot, 0) + self.transAxes)
@property
def lower_xlim(self):
return self.axes.viewLim.intervalx
@property
def upper_xlim(self):
pts = [[0., 1.], [1., 1.]]
return self.transDataToAxes.inverted().transform(pts)[:, 0]
注册投影
我们将向 Matplotlib 注册该投影，以便能在绘图中使用它。
register_projection(SkewXAxes)
准备数据
我们将为斜 T - 对数 P 图准备数据。我们会使用 StringIO 模块从字符串读取数据，并使用 NumPy 将其加载到数组中。
data_txt = '''
978.0 345 7.8 0.8
971.0 404 7.2 0.2
946.7 610 5.2 -1.8
...
'''
sound_data = StringIO(data_txt)
p, h, T, Td = np.loadtxt(sound_data, unpack=True)
创建斜 T - 对数 P 图
现在我们将使用之前注册的 SkewXAxes 投影来创建斜 T - 对数 P 图。我们首先创建一个图形对象，并添加一个具有 SkewXAxes 投影的子图。然后，我们将使用 semilogy 函数在图上绘制温度和露点数据。最后，我们将设置 X 轴和 Y 轴的范围和刻度，并显示该图。
fig = plt.figure(figsize=(6.5875, 6.2125))
ax = fig.add_subplot(projection='skewx')
ax.semilogy(T, p, color='C3')
ax.semilogy(Td, p, color='C2')
ax.axvline(0, color='C0')
ax.yaxis.set_major_formatter(ScalarFormatter())
ax.yaxis.set_minor_formatter(NullFormatter())
ax.set_yticks(np.linspace(100, 1000, 10))
ax.set_ylim(1050, 100)
ax.xaxis.set_major_locator(MultipleLocator(10))
ax.set_xlim(-50, 50)
plt.grid(True)
plt.show()
总结
在本实验中，我们学习了如何使用 Matplotlib 的变换和自定义投影 API 创建斜 T - 对数 P 图。我们创建了一个 SkewXTick 类来绘制刻度，一个 SkewXAxis 类来为刻度提供单独的间隔，以及一个 SkewSpine 类来绘制脊线。我们还创建了一个 SkewXAxes 类来处理 SkewXAxes 投影的变换和注册。最后，我们通过准备数据并将其绘制在 SkewXAxes 子图上，创建了一个斜 T - 对数 P 图。