Simple Example
- dataarrays 最简单的画图方法就是调用
dataarray.plot() - xarray 可以通过使用坐标名称或者数据名称进行数据索引，如
attrs.long_name,attrs.standard_name, DataArray.name and attrs.units ，而这些名称可以通过dataarray.attrs命令获得，示例如下：
sst.attrs
{'long_name': 'Monthly Mean of Sea Surface Temperature', 'unpacked_valid_range': array([-5., 40.], dtype=float32), 'actual_range': array([-1.7999996, 35.56862 ], dtype=float32), 'units': 'degC', 'precision': 2, 'var_desc': 'Sea Surface Temperature', 'dataset': 'NOAA Optimum Interpolation (OI) SST V2', 'level_desc': 'Surface', 'statistic': 'Mean', 'parent_stat': 'Weekly Mean', 'standard_name': 'sea_surface_temperature', 'cell_methods': 'time: mean (monthly from weekly values interpolated to daily)', 'valid_range': array([-500, 4000], dtype=int16)}
调用dataarray.plot()方法进行快速绘图:
sst1 =sst.isel(lat=10, lon=10) sst1.plot()
除此之外，还可以绘制一些其他的绘图功能。例如，通过xarray.plot.line()命令调用matplotlib.pyplot.plot功能，分别传递索引和数组中的x，y值。例如，用蓝线绘制三角形matplotlib格式字符串可以使用:
sst1[:200].plot.line("b-^")
注意！：不是所有的xarray 绘图都支持传递位置的参数，但是都支持关键字功能。关键字参数调用使用相同的方式,且更明确。如所示：
sst1[:200].plot.line(color="purple", marker="o")
Adding to Existing Axis
添加绘图到一个现有的坐标轴，并作为一个关键字：ax。这对所有的xaray绘图方法都适用，在下面这个例子中axes是一个由plt.subplots数组组成的左轴和右轴。
fig, axes = plt.subplots(ncols=2) axes air1d.plot(ax=axes[0]) air1d.plot.hist(ax=axes[1]) plt.tight_layout() plt.draw()
右边是一个直方图由xarray.plot.hist ()绘制。
Controlling the figure size：控制图的大小
通过传递figsieze来控制图片的大小。为了方便起见,xarray的绘图方法还支持aspect和size控制生成图像的大小通过公式figsize =(aspect*size,size)
sst1.plot(aspect=2, size=3) plt.tight_layout()
Determine x-axis values
每个默认维度坐标用于 x 轴(这里是时间坐标)。但是，您也可以沿 x 轴使用非维度坐标、多索引级别和没有坐标的维度。为了说明这一点，让我们从时间中计算一个“小数日”(epoch) ，并将其分配为一个非维度坐标:
每个默认维度坐标用于 x 轴(这里意思就是说将时间坐标作为x坐标轴)。但是，也可以沿 x 轴使用非维度坐标、多索引级别和没有坐标的维度。为了说明这一点，让我们从时间中计算一个“小数日”(epoch) ，并将其分配为一个非维度坐标:
decimal_day = (sst1.time - sst1.time[0]) / pd.Timedelta("1d") sst1_multi = sst1.assign_coords(decimal_day=("time", decimal_day.data)) sst1_multi
使用 ‘decimal_day’ 作为 x 坐标，必须明确指定:
sst1_multi.plot(x="decimal_day")
从“ time”和“ decimal _ day”创建一个名为“ date”的新 MultiIndex，也可以使用 MultiIndex 级别作为 x 轴:
sst1_multi = sst1_multi.set_index(date=("time", "decimal_day")) sst1_multi.plot(x="decimal_day")
最后，如果数据集没有任何坐标，它将枚举所有数据点:
sst1_multi = sst1_multi.drop("date") sst1_multi.plot()
同样的情况也适用于下面的二维图。
Multiple lines showing variation along a dimension :多条线显示一个维度上的变化
通过使用适当的参数调用 xary.plot.line () ，可以对二维数据绘制线图。考虑上面定义的三维变量。我们可以用直线图来检查经线上三个不同纬度地区的气温变化:
sst.isel(lon=10, lat=[19, 21, 22]).plot.line(x="time")
它需要明确的指定:
- 1 x：用于x轴的维度
- 2 hue（色调）：要用多条线表示的维度
因此，我们可以通过指定hue = lat而不是x = ‘time来绘制前面的图。如果需要，可以使用add _ legend = False关闭自动图例。或者，可以直接传递给xary.plot.line ():sst.isel (lon = 10，lat = [19,21,22]).plot.line (hue ='lat')。
Dimension along y-axis :沿着y轴的维度
还可以绘制线图，使数据在 x 轴上，维度在 y 轴上。这可以通过指定适当的 y 关键字参数来实现。
sst.isel(time=10, lon=[10, 11]).plot(y="lat", hue="lon")
Step plots :步骤图
作为替代方案，也可以使用1维数据绘制类似 matplotlib 的 plt.step。
sst1[:20].plot.step(where="mid")
参数 where 定义了步骤应该放在哪里，选项是“ pre”(默认值)、“ post”和“ mid”。当绘制与 Dataset.groupby _ bin ()分组的数据时，这尤其方便。
sst_grp = sst.mean(["time", "lon"]).groupby_bins("lat", [0, 23.5, 66.5, 90]) sst_mean = sst_grp.mean() sst_std = sst_grp.std() sst_mean.plot.step() (sst_mean + sst_std).plot.step(ls=":") (sst_mean - sst_std).plot.step(ls=":") plt.ylim(-20, 30) plt.title("Zonal mean temperature")
Other axes kwargs :其他关键字
关键字 arguments xincrease 和 yincrease 可以控制轴的方向。
sst.isel(time=10, lon=[10, 11]).plot.line( y="lat", hue="lon", xincrease=False, yincrease=False)
此外，可以使用 xscale、 yscale 来设置轴伸缩性; xticks、 yticks 来设置轴刻度，xlim、 ylim 来设置轴限制。它们接受与 matplotlib 方法 Axes.set _ (x，y) scale ()、 Axes.set _ (x，y) ticks ()、 Axes.set _ (x，y) lim ()相同的值。
原文参考链接：https://xarray.pydata.org/en/stable/user-guide/plotting.html#plotting-faceting
