概述
在之前的風資源分析文章中，有提到過用widrose包來進行玫瑰圖的繪制，目前的可視化繪圖包有很多，但是最基礎(chǔ)和底層的，本人認為還是matplotlib，有時候為了畫1-2個圖就去安裝一個包，好麻煩，我就是個安裝軟件的渣渣，所以，推己及人，我也研究了一下，matplotlib畫玫瑰圖的方法，廢話不多說，開始咯~~~
風能玫瑰圖
玫瑰圖是氣象科學專業(yè)統(tǒng)計圖表,用來統(tǒng)計某個地區(qū)一段時期內(nèi)風向、風速發(fā)生頻率，又分為“風向玫瑰圖”和“風速玫瑰圖”。本文中的玫瑰圖是將風速和風向結(jié)合在一起，畫出的風能玫瑰圖。
讀取數(shù)據(jù)
讀取對應(yīng)的測風數(shù)據(jù)，并進行數(shù)據(jù)的基本計算，在matplotlib中畫圖中沒有集成的計算包，所以一定要充分了解繪制玫瑰圖的原理，將數(shù)據(jù)通過計算來處理成繪圖需要的形式，再進行調(diào)用繪圖。
**1、讀取數(shù)據(jù)，**并提取出繪圖的風速風向數(shù)據(jù)，此時的數(shù)據(jù)是原始風速風向數(shù)據(jù)。
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl
plt.rcParams['font.sans-serif']=['SimHei'] #顯示中文
plt.rcParams['axes.unicode_minus']=False #顯示負號
filename=r'E:\python總結(jié)\實例數(shù)據(jù)\matplotlib畫玫瑰圖\Sta_WLS7-4880-0420-0728.xlsx'
datat=pd.read_excel(filename,sheet_name='原始數(shù)據(jù)')
datat.columns
# 提取繪圖的風速風向數(shù)據(jù)，并進行簡單的刪除空值處理
dt=datat.loc[:,('90m Wind Speed (m/s)','90m Wind Direction (�)')] #提取90m高度的風速和風向
dt=dt.dropna() #刪除空值
2、進行繪圖前的數(shù)據(jù)計算。
mx=np.ceil(max(dt['90m Wind Speed (m/s)'])) #風速最大值向上取整
ct0=np.array(np.arange(0,361,22.5)) #劃分風向的區(qū)間，22.5度一個區(qū)間
ct1=np.array(np.arange(0,mx+2,2)) #劃分風速的區(qū)間，2米一個區(qū)間
#將風速和風向進行區(qū)間劃分
dt['wd']=pd.cut(dt['90m Wind Direction (�)'],ct0)
dt['ws']=pd.cut(dt['90m Wind Speed (m/s)'],ct1)
#計算各區(qū)間段數(shù)據(jù)量，輸出結(jié)果為層次化索引序列
count=dt['90m Wind Speed (m/s)'].groupby([dt['ws'],dt['wd']]).count()
data=count.unstack() #將層次化索引轉(zhuǎn)化為表格
3、繪制玫瑰圖與顏色條。
根據(jù)上面計算的數(shù)據(jù)data來進行繪圖。
n=16 #繪制的扇區(qū)的個數(shù)，與上面角度的區(qū)間劃分一致的
theta=np.linspace(0,2*np.pi,n,endpoint=False) #獲取16個方向的角度值
width=np.pi*1.5/n #設(shè)置扇形的寬度
#設(shè)置角度對應(yīng)的標簽
labels=list(['N','','45','','E','','135','','S','','225','','W','','315',''])
fig=plt.figure() #新建畫布
ax=fig.add_axes([0.1,0.1,0.7,0.7],projection='polar') #在畫布添加一個極坐標圖，即玫瑰圖
ax1=fig.add_axes([0.8,0.1,0.03,0.7]) #在畫布里面添加顏色條，分別對應(yīng)左，下，寬，高
#根據(jù)劃分的風速段個數(shù)來進行顏色配置
colors=['blue','orange','forestgreen','tomato','violet','red','m','yellow','gray']
cmap=mpl.colors.ListedColormap(colors)
norm=mpl.colors.BoundaryNorm(ct1,cmap.N)
for i in range(0,len(data.index)):
idx=data.index[i]
rad=data.loc[idx]
#畫玫瑰柱狀圖，由此類推，可以畫雷達圖，氣泡圖等等，只要將bar改成對應(yīng)的圖就可以
ax.bar(theta,rad,width=width,bottom=100,label=idx,tick_label=labels,color=colors[i])
ax.set_theta_zero_location('N') #設(shè)置0度正北方向
ax.set_theta_direction(-1) #設(shè)置順時針方向繪圖
ax.set_title('風玫瑰圖',fontsize=16)
ax.tick_params(labelsize=15)
ax.set_yticks([200,500,1000,1500]) #默認的y軸出現(xiàn)的頻數(shù)，也可設(shè)置為空
cb=mpl.colorbar.ColorbarBase(ax1,cmap=cmap,norm=norm) #設(shè)置顏色條
cb.ax.tick_params(labelsize=14) #設(shè)置顏色條字體和大小
得到風玫瑰柱狀圖如下：
將里面：
ax.bar(theta,rad,width=width,bottom=100,label=idx,tick_label=labels,color=colors[i])
替換成：
ax.fill(theta,rad,alpha=0.5,color=colors[i])
得到風能面積圖，不過由于本次數(shù)據(jù)覆蓋嚴重，比較丑：
簡單的風向玫瑰圖
在實際運用中，有時候并不需要很復(fù)雜的玫瑰圖，簡單的表示各風向上的風速出現(xiàn)頻次就可以了，因此，可以畫簡單的風向玫瑰圖。
data_0=dt['90m Wind Speed (m/s)'].groupby(dt['wd']).count() #計算每一個風向段的風速頻次
ax=plt.subplot(111,projection='polar') #建立極坐標系
bars=ax.bar(theta,data_0,width=width,bottom=0.0)
#為每個柱子配顏色，有兩種方法，一種是一個柱子設(shè)置一個顏色，根據(jù)柱子的個數(shù)設(shè)置顏色的個數(shù)
#另一種是用連續(xù)色彩的映射，第二種方法需要將畫圖數(shù)據(jù)歸一化到0-1之間
mm=max(data_0)
for r,bar in zip(data_0,bars):
bar.set_facecolor(plt.cm.viridis(r/mm)) #設(shè)置數(shù)值映射的顏色
bar.set_alpha(0.8) #設(shè)置顏色透明度
ax.set_theta_zero_location('N') #設(shè)置0度正北方向
ax.set_theta_direction(-1) #設(shè)置順時針方向繪圖
ax.set_title('風向玫瑰圖',fontsize=16)
ax.tick_params(labelsize=13)
ax.set_yticks([500,1000,2000,4000]) #默認的y軸出現(xiàn)的頻數(shù)，也可設(shè)置為空
得到如下圖：
由于風向數(shù)據(jù)的特征很明顯，即主要風向明確，所以圖畫出來不太好看。
以上為matplotlib畫玫瑰圖的用法，另外還有一些衍生的玫瑰圖，大家可以據(jù)此摸索一下。
總結(jié)
到此這篇關(guān)于利用Python matplotlib繪制風能玫瑰圖的文章就介紹到這了,更多相關(guān)matplotlib繪制風能玫瑰圖內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- Python matplotlib實用繪圖技巧匯總
- python使用matplotlib顯示圖像失真的解決方案
- 基于python的matplotlib制作雙Y軸圖
- 用Python的繪圖庫(matplotlib)繪制小波能量譜
- python matplotlib繪圖實現(xiàn)刪除重復(fù)冗余圖例的操作
- Python基礎(chǔ)之畫圖神器matplotlib
- python讀取并顯示圖片的三種方法（opencv、matplotlib、PIL庫）
- python 如何在 Matplotlib 中繪制垂直線
- python 繪圖模塊matplotlib的使用簡介
- python之 matplotlib和pandas繪圖教程
- python matplotlib工具欄源碼探析二之添加、刪除內(nèi)置工具項的案例
- Python繪圖庫Matplotlib的基本用法
