Python绘制日历图和热力图

气象学家

发布于 2020-04-13 18:55:34

3.4K0

发布于 2020-04-13 18:55:34

文章被收录于专栏：气象学家气象学家

本文以2019年全国各城市的空气质量观测数据为例，利用matplotlib、calmap、pyecharts绘制日历图和热力图。在绘图之前先利用pandas对空气质量数据进行处理。

2019年全国各城市空气质量观测数据来源于：https://beijingair.sinaapp.com。

数据处理

从网站下载的数据为逐小时数据，每天一个文件。如果要绘制全年的日历图或者热图，首先要将所有的数据进行合并处理。

下载好数据之后，将数据解压到当前目录的2019文件夹内，然后处理数据：

import globfrom datetime import datetime, timedeltaimport numpy as npimport pandas as pd
from matplotlib import cm, colorsimport matplotlib.dates as mdatesimport matplotlib.patches as mpatchesimport matplotlib.pyplot as plt
def format_aqi(filep, columns=None):    files = glob.glob(filep)
    df = pd.concat((pd.read_csv(f) for f in files))    df.index = pd.to_datetime(df.date.astype(np.str) + df.hour.apply(lambda x: '%02d'%x), format='%Y%m%d%H')    # drop date and hour columns    df.drop(['date', 'hour'], axis=1, inplace=True)
    df = df.pivot_table(columns='type', index=df.index)    df.columns.names = ['station', 'type']    df.index.names = ['date']
    df = df.stack('station')
    if columns is not None:        df = df.loc[:, columns]
    return df
filep = '2019/china*.csv'    data = format_aqi(filep)data.csv('2019.csv') # 保存以便后续使用

合并完成数据后，读取数据并进一步处理：

data = pd.read_csv('2019.csv', index_col='date', parse_dates=True)data2 = data.pivot_table(index=data.index, columns=['station'])
time_range = pd.date_range(datetime(2019, 10, 1, 0), datetime(2019, 12, 31, 23), freq='1h')
idx = pd.IndexSliceaqi = data2.loc[:, idx['AQI', :]].xs('AQI', axis=1)aqi = aqi.reindex(time_range)
cities = ['北京', '天津', '石家庄', '邯郸',           '济南', '郑州', '菏泽',           '亳州', '徐州', '驻马店',           '南京', '合肥', '马鞍山',          '武汉', '上海', '杭州',           '长沙', '南昌', '上饶', '温州',          '吉安', '赣州', '福州',           '龙岩', '厦门', '泉州'         ]
sub = aqi[cities[::-1]]

绘制热力图

因为空气质量有专门的配色，首先设置对应等级的colormap

colors_aqi = ['#009966', '#FFDE33', '#FF9A32', '#CC0033', '#660099']levels = [0, 50, 100, 150, 200, 300]
cmap_aqi = colors.ListedColormap(colors_aqi)  norm = colors.BoundaryNorm(levels, cmap_aqi.N)

然后，开始绘图：

fig, ax = plt.subplots(figsize=(16, 9))
con = ax.pcolormesh(sub.index.values,                               np.arange(0, sub.columns.shape[0]+1),                               sub.T,                               cmap=cmap_aqi,                               norm=norm,                               vmin=0, vmax=300                              )
sdate = datetime(2019, 10, 1)edate = datetime(2019, 12, 31)xticks = pd.date_range(sdate, edate, freq='15d')
ax.set_xlim([sdate, edate])ax.set_xticks(xticks)ax.set_xticklabels([i.strftime('%m/%d') for i in xticks])ax.set_yticks(np.arange(0.5, len(cities)))_ = ax.set_yticklabels(sub.T.index.values, fontdict={'family': 'SimHei', 'fontsize': 16})
ytext = [i.get_text() for i in list(ax.get_yticklabels())]
cb = fig.colorbar(con, extend='max', pad=0.02, extendrect=True, extendfrac=0.2)cb.cmap.set_over('#7D0023')
cb.ax.tick_params(axis='both', direction='in', length=0)_ = cb.ax.set_ylabel('Air Quality Index(AQI)', fontdict={'family': 'Times New Roman'})

2019年10月-12月各城市的AQI日变化

绘制日历图

python中关于绘制日历图的工具相对较少，没有特别有些的工具。下面分别使用calmap和pyecharts绘制日历图。

注意：calmap已经放弃维护了，在使用过程中可能会存在问题。本文fork了原来的源码，解决了可能遇到的问题。可以从https://github.com/bugsuse/calmap下载源码，然后执行python setup.py install进行安装即可。

注意：本文为了简单起见，利用AQI绘图时，直接对AQI求日均值，但是实际情况下是不能直接这样计算的。

import calmap
dd = data[data.station == '北京'].AQI.resample('1d').mean()
fig, ax = plt.subplots(figsize=(18, 9))
cmp = calmap.yearplot(dd, how=None, year=2019,                       cmap=cmap_aqi, norm=norm,                       vmin=0, vmax=300,                      )
ax2  = fig.add_axes([0.94, 0.4, 0.015, 0.2])cb1  = mpl.colorbar.ColorbarBase(ax2, cmap=cmap_aqi, ticks=levels,                                 norm=norm, orientation='vertical',                                  extend='max', extendrect=True,                                  extendfrac=0.15)cb1.cmap.set_over('#7D0023')cb1.set_ticks([25, 75, 125, 175, 250])cb1.ax.set_yticklabels([u'优', u'良', u'轻度污染', u'中度污染', u'重度污染'], fontdict={'fontsize': 16, 'family': 'SimHei'})  cb1.ax.yaxis.set_tick_params(length=0.01)ax2.text(1.13, 1.07, '严重污染', fontdict={'fontsize':16, 'family':'SimHei'})
ax.set_ylabel('2019', fontdict=dict(fontsize=26, color='grey'))

2019年北京市AQI日历图

下面利用pyecharts绘制2019年北京市AQI日历图。

from pyecharts import options as optsfrom pyecharts.charts import Calendar
begin = datetime(2019, 1, 1)end = datetime(2019, 12, 31)data = [    [str(begin + timedelta(days=i)), dd[i]]    for i in range((end - begin).days + 1)]
c = (    Calendar()    .add(        "",        data,        calendar_opts=opts.CalendarOpts(            range_='2019',            daylabel_opts=opts.CalendarDayLabelOpts(name_map='cn'),            monthlabel_opts=opts.CalendarMonthLabelOpts(name_map='cn'),        ),    )    .set_global_opts(        title_opts=opts.TitleOpts(title='2019年北京市每日AQI(Air Quality Index)', pos_left='center'),        visualmap_opts=opts.VisualMapOpts(            max_=300,            min_=0,            range_size=[0, 50, 100, 150, 200, 300],            pieces= [{'min': 0, 'max': 50},                     {'min': 51, 'max': 100},                     {'min': 101, 'max': 150},                      {'min': 151, 'max': 200},                      {'min': 201, 'max': 300}],            range_color=colors_aqi,            orient='horizontal',            is_piecewise=True,            pos_top='230px',            pos_left='100px',        ),    ))