这篇文章主要介绍如何利用Python matplotlib绘制风能玫瑰图，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！
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 pdimport matplotlib.pyplot as pltimport numpy as npimport matplotlib as mplplt.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。
以上是“如何利用Python matplotlib绘制风能玫瑰图”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注编程网行业资讯频道！
