利用Python matplotlib绘制风能玫瑰图

概述

在之前的风资源分析文章中，有提到过用widrose包来进行玫瑰图的绘制，目前的可视化绘图包有很多，但是最基础和底层的，本人认为还是matplotlib，有时候为了画1-2个图就去安装一个包，好麻烦，我就是个安装软件的渣渣，所以，推己及人，我也研究了一下，matplotlib画玫瑰图的方法，废话不多说，开始咯~~~

风能玫瑰图

玫瑰图是气象科学专业统计图表,用来统计某个地区一段时期内风向、风速发生频率，又分为“风向玫瑰图”和“风速玫瑰图”。本文中的玫瑰图是将风速和风向结合在一起，画出的风能玫瑰图。

读取数据

读取对应的测风数据，并进行数据的基本计算，在matplotlib中画图中没有集成的计算包，所以一定要充分了解绘制玫瑰图的原理，将数据通过计算来处理成绘图需要的形式，再进行调用绘图。

**1、读取数据，**并提取出绘图的风速风向数据，此时的数据是原始风速风向数据。

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl

plt.rcParams['font.sans-serif']=['SimHei'] #显示中文
plt.rcParams['axes.unicode_minus']=False #显示负号

filename=r'E:\python总结\实例数据\matplotlib画玫瑰图\Sta_WLS7-4880-0420-0728.xlsx'
datat=pd.read_excel(filename,sheet_name='原始数据')
datat.columns

# 提取绘图的风速风向数据，并进行简单的删除空值处理
dt=datat.loc[:,('90m Wind Speed (m/s)','90m Wind Direction (�)')] #提取90m高度的风速和风向
dt=dt.dropna() #删除空值

2、进行绘图前的数据计算。

mx=np.ceil(max(dt['90m Wind Speed (m/s)'])) #风速最大值向上取整

ct0=np.array(np.arange(0,361,22.5)) #划分风向的区间，22.5度一个区间
ct1=np.array(np.arange(0,mx+2,2)) #划分风速的区间，2米一个区间

#将风速和风向进行区间划分
dt['wd']=pd.cut(dt['90m Wind Direction (�)'],ct0)
dt['ws']=pd.cut(dt['90m Wind Speed (m/s)'],ct1)

#计算各区间段数据量，输出结果为层次化索引序列
count=dt['90m Wind Speed (m/s)'].groupby([dt['ws'],dt['wd']]).count()
data=count.unstack() #将层次化索引转化为表格

3、绘制玫瑰图与颜色条。

根据上面计算的数据data来进行绘图。

n=16 #绘制的扇区的个数，与上面角度的区间划分一致的
theta=np.linspace(0,2*np.pi,n,endpoint=False) #获取16个方向的角度值
width=np.pi*1.5/n #设置扇形的宽度
#设置角度对应的标签
labels=list(['N','','45','','E','','135','','S','','225','','W','','315',''])

fig=plt.figure() #新建画布
ax=fig.add_axes([0.1,0.1,0.7,0.7],projection='polar') #在画布添加一个极坐标图，即玫瑰图
ax1=fig.add_axes([0.8,0.1,0.03,0.7]) #在画布里面添加颜色条，分别对应左，下，宽，高

#根据划分的风速段个数来进行颜色配置
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]
#画玫瑰柱状图，由此类推，可以画雷达图，气泡图等等，只要将bar改成对应的图就可以
ax.bar(theta,rad,width=width,bottom=100,label=idx,tick_label=labels,color=colors[i])

ax.set_theta_zero_location('N') #设置0度正北方向
ax.set_theta_direction(-1) #设置顺时针方向绘图
ax.set_title('风玫瑰图',fontsize=16)
ax.tick_params(labelsize=15)
ax.set_yticks([200,500,1000,1500]) #默认的y轴出现的频数，也可设置为空
cb=mpl.colorbar.ColorbarBase(ax1,cmap=cmap,norm=norm) #设置颜色条
cb.ax.tick_params(labelsize=14) #设置颜色条字体和大小

得到风玫瑰柱状图如下：

将里面：

ax.bar(theta,rad,width=width,bottom=100,label=idx,tick_label=labels,color=colors[i])

替换成：

ax.fill(theta,rad,alpha=0.5,color=colors[i])

得到风能面积图，不过由于本次数据覆盖严重，比较丑：

简单的风向玫瑰图

在实际运用中，有时候并不需要很复杂的玫瑰图，简单的表示各风向上的风速出现频次就可以了，因此，可以画简单的风向玫瑰图。

data_0=dt['90m Wind Speed (m/s)'].groupby(dt['wd']).count() #计算每一个风向段的风速频次

ax=plt.subplot(111,projection='polar') #建立极坐标系
bars=ax.bar(theta,data_0,width=width,bottom=0.0)

#为每个柱子配颜色，有两种方法，一种是一个柱子设置一个颜色，根据柱子的个数设置颜色的个数
#另一种是用连续色彩的映射，第二种方法需要将画图数据归一化到0-1之间
mm=max(data_0)
for r,bar in zip(data_0,bars):
bar.set_facecolor(plt.cm.viridis(r/mm)) #设置数值映射的颜色
bar.set_alpha(0.8) #设置颜色透明度

ax.set_theta_zero_location('N') #设置0度正北方向
ax.set_theta_direction(-1) #设置顺时针方向绘图
ax.set_title('风向玫瑰图',fontsize=16)
ax.tick_params(labelsize=13)
ax.set_yticks([500,1000,2000,4000]) #默认的y轴出现的频数，也可设置为空

得到如下图：

由于风向数据的特征很明显，即主要风向明确，所以图画出来不太好看。

来源：https://blog.csdn.net/zhumengxia/article/details/114916834