NetCDF数据绘图求助：2017-2023年逐年变量绘图未达预期

我有一份包含2017-2023年数据的NetCDF文件，需求是将数据集按年份分组，绘制每个变量的月度图表。当前运行代码后仅生成单幅图，但预期得到2017-2023年的多幅逐年绘图。

我的Python代码如下：

%matplotlib inline

import numpy as np
import xarray as xr
import pandas as pd
import matplotlib.pyplot as plt
import datetime as dt

ds_smap  = xr.open_dataset('SPL4SMGP.006_9km_aid0001.nc')

#Select Location Alice Springs Mulga
location = ds_smap.sel(lat = -22.2828,lon = 133.2493, day_period = 1, method='nearest')

dataframe = location.groupby(ds_smap["time"].dt.dayofyear).min().drop(["lat", "lon"]).to_dataframe()
dataframe["max"] = location.groupby(ds_smap["time"].dt.dayofyear).max().values

for year, yearloc in location.groupby(location["time"].dt.year):
    dataframe[year] = pd.Series(index=yearloc["time"].dt.dayofyear, data=yearloc.values)
    dataframe['Geophysical_Data_sm_rootzone'].plot()

当前输出的单幅图：

问题根源 #

循环中每次调用plot()时未指定新的绘图对象，所有年份数据都叠加绘制在了同一个图表上，导致仅显示单幅图。同时原代码转DataFrame的处理方式冗余，用xarray原生方法可更高效完成分组与绘图。

优化后的代码方案 #

%matplotlib inline

import numpy as np
import xarray as xr
import matplotlib.pyplot as plt

# 打开数据集
ds_smap = xr.open_dataset('SPL4SMGP.006_9km_aid0001.nc')

# 选择目标位置
location = ds_smap.sel(lat=-22.2828, lon=133.2493, day_period=1, method='nearest')

# 按年份分组
grouped = location.groupby('time.year')

# 获取年份列表与需要绘制的变量（排除坐标变量）
years = list(grouped.groups.keys())
variables = [var for var in location.data_vars if var not in ['lat', 'lon']]

# 创建子图网格，每个年份对应一个子图
fig, axes = plt.subplots(nrows=len(years), ncols=1, figsize=(10, 3*len(years)), sharex=True)
axes = axes.ravel()  # 兼容单年份的情况，确保axes为一维数组

for idx, (year, year_data) in enumerate(grouped):
    ax = axes[idx]
    # 绘制该年份所有变量的时序图
    year_data[variables].plot(ax=ax, linewidth=1.5)
    ax.set_title(f'Year: {year}')
    ax.set_xlabel('Month')
    ax.legend(loc='upper right')

plt.tight_layout()
plt.show()

关键改进点 #

1. 用xarray原生的groupby('time.year')分组，避免手动转DataFrame的冗余操作
2. 创建子图网格，为每个年份分配独立的绘图区域，确保每一年的数据单独展示
3. 自动遍历所有非坐标变量，一次性完成多变量绘图；若只需绘制特定变量，可将variables改为['Geophysical_Data_sm_rootzone']
4. 用tight_layout()自动调整子图间距，提升可视化美观度

月度统计图表补充 #

如果需要绘制每月均值/最值的统计图表，可在年份分组后再按月份聚合：

for idx, (year, year_data) in enumerate(grouped):
    ax = axes[idx]
    # 按月份分组计算均值
    monthly_data = year_data.groupby('time.month').mean()
    monthly_data[variables].plot(ax=ax, marker='o', linestyle='-')
    ax.set_title(f'Monthly Averages - Year: {year}')
    ax.set_xlabel('Month')
    ax.set_xticks(range(1,13))
    ax.set_xticklabels(['Jan','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec'])

内容的提问来源于stack exchange，提问作者Xei