바람장미 읽는 법과 Python으로 바람장미 그리기

您见过风玫瑰图吗？风玫瑰图是一种可以一目了然地显示特定区域风向和风速的图表。它广泛应用于科学、环境研究、航空和海洋学等多个领域。

바람장미 읽는 법 예시 그림 — (如何阅读风玫瑰图的插图--Python 可视化 )

本文将详细介绍如何阅读风玫瑰图、 Python的逐步教程，教你如何绘制风铃图。这篇文章将让你更好地了解风铃，并让你有机会尝试制作风铃！

什么是风玫瑰？

风玫瑰图是 特定区域的风力数据图表，以方位和速度表示。.方位（风向）用方位角表示（0° 至 360°），风速用从图表中心向外的距离表示。不同的风速用不同的颜色表示，以帮助您理解数据。

风玫瑰提供以下信息

盛行风向风向：您可以看到风从某个方向吹来的频率。
风速风力：确定风力是小还是大。
不同方向的风力分布风向：描述特定方向（如东北风、西南风）的风向。

用 Python 绘制风玫瑰图

下面是使用 Python 绘制风玫瑰图的代码，可根据风向和风速数据按方位直观显示风力分布。

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib import font_manager, rc
from math import radians
import numpy as np

设置 # 韩文字体
rc('font', family='HCR Dotum')

创建 # 样本数据（可用真实数据替换）
方向 = np.array([0, 45, 90, 135, 180, 225, 270, 315])
速度 = np.array([2.5, 1.5, 1.0, 2.0, 3.0, 2.0, 1.0, 1.5])

创建 # 数据帧
df = pd.DataFrame({
    方向"：方向，# 风向数据
    速度"：速度，# 风速数据
})

def create_wind_rose(data)：
    创建 # 极坐标子图
    fig = plt.figure(figsize=(8, 8))
    sp = plt.subplot(projection="polar")
   
    将 # 方向数据转换为弧度
    direction_rad = np.radians(data['Direction'])
   
    创建 # 散点图
    scatter = sp.scatter(direction_rad, data['Speed']、
                        s=100，# 标记大小
                        c=data['Speed'], # 颜色随风速的变化
                        cmap='YlOrRd', # 彩色地图设置
                        alpha=0.6) # 透明度设置
   
    # 图形默认设置
    sp.set_theta_zero_location("N") # 将北纬设置为 0 度
    sp.set_theta_direction(-1) # 顺时针增大角度
   
    # 设置网格
    sp.grid(True)
   
    # 设置风速范围（0-3.5 米/秒）
    sp.set_ylim(0, 3.5)
   
    设置 # 方位角标签
    angles = np.range(0, 360, 45)
    labels = ['N'、'NE'、'E'、'SE'、'S'、'SW'、'W'、'NW']
    sp.set_xticks(np.radians(angles))
    sp.set_xticklabels(labels)
   
    # 设置标题和标签
    plt.title('Wind Rose Diagram', pad=20)
   
    # 添加颜色条
    cbar = plt.colorbar(scatter)
    cbar.set_label('Wind Speed (m/s)')
   
    返回

创建 # 风玫瑰图
fig = create_wind_rose(df)

保存并打印 # 图表
plt.savefig('wind_rose.jpg', dpi=300, bbox_inches='tight')
plt.show()

代码评注

加载程序库并生成数据
- numpy和 大熊猫生成风向（方位）和风速数据。
创建数据帧
- 方向(风向）和 速度(风速）为一列。
创建极坐标图
- plt.subplot(projection="polar")来设置风玫瑰图网格极坐标系。
转换定向数据
- 风数据存储在 弧度 函数转换为弧度。
创建散点图
- 散点将风向和风速数据可视化。
- 使点的颜色随风速变化 cmap='YlOrRd'为
图表设置
- 设置相对于北方的方位角为 0° (set_theta_zero_location("N")).
- 将角度设置为顺时针增大 (set_theta_direction(-1)).
添加颜色条
- 添加一个颜色条来表示风速范围，这样您就可以看到颜色所代表的风力强度。

如何阅读风玫瑰图

阅读轴承
- 风是 N（北）, NE（东北）, E（东） 它从八个主要方向吹来。
- 圆点所在的角度表示风的方向。
读取风速
- 离中心越远，风力越强。
- 同心圆代表风速单位，最大值为 3.5 米/秒。
解读色彩
- 浅黄色表示风小，红色表示风大。

组织起来

在这篇文章中，我们介绍了如何读取风玫瑰图以及如何绘制风玫瑰图。我们还学习了如何使用 Python 将数据可视化以及如何解释结果。将风玫瑰图作为一种工具，可以更好地了解您所在地区的风力数据，并帮助您做出所需的决策！

顺便提一句，如果你有新风玫瑰，你可能就有新茎地块。用 Python 可视化数值数据：如何使用干支图查看文章回顾，了解图表可视化的新方法！

# 代码说明

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib import font_manager, rc
from math import radians
import numpy as np
导入图书馆
大熊猫:用于创建数据帧和管理数据。
matplotlib.pyplot:数据可视化库
字体管理器和 rc字体设置工具：用于设置韩文字体的工具。
math.radians用于将角度转换为弧度值。
numpy用于数组操作和数据生成。
设置 # 韩文字体
rc('font', family='HCR Dotum')
韩文字体设置
设置字体，以便在图表中正确显示韩文字符。 HCR Dotum是一种受支持的韩文字体。
您也可以使用系统中安装的其他韩文字体。
生成 # 样本数据（可用真实数据替换）
方向 = np.array([0, 45, 90, 135, 180, 225, 270, 315])
速度 = np.array([2.5, 1.5, 1.0, 2.0, 3.0, 2.0, 1.0, 1.5])
生成数据
说明风向：将风向设置为八个方位角（0°、45°、...、315°）。
速度表示各方向的风速（米/秒）。
创建 # 数据帧
df = pd.DataFrame({
    方向"：方向，# 风向数据
    速度"：速度，# 风速数据
})
创建数据帧
方向方位角：存储方位角数据。
速度风速：存储每个方位角对应的风速数据。
这些数据用于绘制风玫瑰图。
def create_wind_rose(data)：
    创建 # 极坐标子图
    fig = plt.figure(figsize=(8, 8))
    sp = plt.subplot(projection="polar")
定义函数并创建极坐标图
创建风玫瑰图（数据）获取输入数据帧并创建风铃。
plt.figure(figsize=(8, 8))将画布尺寸设置为 8 英寸 × 8 英寸。
plt.subplot(projection="polar")极坐标：生成极坐标图。该坐标系使用方位角和半径。
    将 # 方向数据转换为弧度
    direction_rad = np.radians(data['Direction'])
将方向数据转换为弧度
np.radians将角度数据转换为弧度值。
极坐标系将方位角视为弧度值，因此需要进行转换。
    创建 # 散点图
    scatter = sp.scatter(direction_rad, data['Speed']、
                        s=100, # 标记大小
                        c=data['Speed'], # 随风速改变颜色
                        cmap='YlOrRd', # 彩图设置
                        alpha=0.6) # 透明度设置
创建散点图
sp.scatter极坐标：在极坐标系统中以散点图形式显示每个数据点。
s=100:设置标记大小。
c=data['Speed']根据风速值设置颜色。
cmap='YlOrRd'颜色图：将颜色图设置为黄色-橙色-红色，以较深的颜色显示较强的风。
阿尔法=0.6:设置标记的透明度。
    # 制图首选项
    sp.set_theta_zero_location("N") # 将北纬设为 0 度
    sp.set_theta_direction(-1) # 顺时针增大角度
设置极坐标
set_theta_zero_location("N")：将北（N）设定为 0°。
set_theta_direction(-1)将方位角设置为顺时针增大。
    # 网格设置
    sp.grid(True)
启用电网
启用基于方位角和半径的网格线，使数据更容易读取。
    设置 # 的风速范围（0-3.5 米/秒）
    sp.set_ylim(0, 3.5)
设置风速范围
将半径范围限制为 0 至 3.5 米/秒。
显示该范围内各个方向的风速。
    设置 # 方位角标签
    angles = np.array(0, 360, 45)
    labels = [ 'N'、'NE'、'E'、'SE'、'S'、'SW'、'W'、'NW']
    sp.set_xticks(np.radians(angles))
    sp.set_xticklabels(labels)
设置方位角标签
角度方位角：设置方位角（0°、45°、...、315°）。
标签方位：为每个方位角设置相应的方位（N、NE、E 等）。
set_xticks将方位角的位置设置为弧度值。
set_xticklabels方位角：以标签形式显示每个方位角的名称。
    # 设置标题和标签
    plt.title('Wind Rose Diagram', pad=20)
设置图表标题
plt.title将图表标题设置为 "风玫瑰图"。
垫=20设置标题与图表之间的间距。
    添加 # 彩条
    cbar = plt.colorbar(scatter)
    cbar.set_label('Wind Speed (m/s)')
添加颜色条
plt.colorbar(scatter)颜色：添加颜色条，显示风速带来的颜色变化。
设置标签风速（米/秒）：将色标设置为 "风速（米/秒）"。
    回归
返回图形
完成的图形对象 (杏)的新名称。
创建 # 风玫瑰图
fig = create_wind_rose(df)

保存并打印 # 图表
plt.savefig('wind_rose.jpg', dpi=300, bbox_inches='tight')
plt.show()
创建和保存图表
create_wind_rose(df)调用前面定义的函数创建风花。
plt.savefig注意：将生成的图形保存为 "wind_rose.jpg "文件。
plt.show在屏幕上显示图表。

如何用 Python 阅读风玫瑰图并绘制风玫瑰图

什么是风玫瑰？

用 Python 绘制风玫瑰图

代码评注

如何阅读风玫瑰图

组织起来

# 代码说明

在 R 中绘制神经网络：通过逐行解释了解神经网络结构（特长：neuralnet）

seaborn palette 완전 정복: 시각화 퀄리티를 올리는 색상 팔레트 활용법

R 数据分析示例：通过泰坦尼克号幸存者预测学习数据分析基础知识

如何绘制绩效与目标对比图？

用 Python 创建文件

总和生育率的定义和计算：用 R 进行趋势可视化分析

什么是风玫瑰？

用 Python 绘制风玫瑰图

代码评注

如何阅读风玫瑰图

组织起来

# 代码说明

类似文章