如何用Python绘制类似示例的风速风向时序图？

核心思路 #

目标图应为时间轴上每个节点用**带方向的箭头（表示风向）+ 箭头长度/风羽（表示风速）**的形式展示，以下提供两种可落地的实现方案：

方案一：Matplotlib 自定义绘制（精准匹配样式） #

步骤1：数据预处理 #

气象风向是「风的来向」，而Matplotlib的角度以x轴正方向逆时针计算，需先做转换：

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

# 假设你的数据集存储在df中
# 将气象风向转为Matplotlib可识别的角度
df['wind_dir_rad'] = np.radians(90 - df['wind_dir'])

步骤2：绘制风向箭头+风速映射 #

用quiver函数绘制箭头，箭头长度对应风速，方向对应转换后的风向：

plt.figure(figsize=(12, 6))
# 将时间序列转为数值索引，方便x轴定位
x = np.arange(len(df))
y = [0] * len(df)  # 固定y轴位置，让箭头横向排列

plt.quiver(x, y,
           df['wind_speed'] * np.cos(df['wind_dir_rad']),
           df['wind_speed'] * np.sin(df['wind_dir_rad']),
           scale=50,  # 根据你的风速范围调整，值越大箭头越短
           width=0.005,
           color='darkblue')

# 格式化时间轴标签
plt.xticks(x, df['time'].dt.strftime('%Y-%m-%d %H:%M'), rotation=45)
plt.yticks([])  # 隐藏y轴刻度
plt.xlabel('时间')
plt.title('时间序列风速风向图')
plt.tight_layout()
plt.show()

如果要实现风羽样式，可替换为调整参数后的barbs函数：

plt.figure(figsize=(12, 6))
plt.barbs(x, y,
          df['wind_speed'] * np.cos(df['wind_dir_rad']),
          df['wind_speed'] * np.sin(df['wind_dir_rad']),
          length=8,  # 风羽长度
          barbcolor='black',
          flagcolor='red',
          linewidth=1.2)
plt.xticks(x, df['time'].dt.strftime('%Y-%m-%d %H:%M'), rotation=45)
plt.yticks([])
plt.tight_layout()
plt.show()

方案二：Plotly 交互式可视化（美观易调整） #

用Plotly的散点图，通过标记符号表示风向、标记大小表示风速：

import plotly.express as px

# 映射风向到Plotly箭头符号（按需调整角度对应关系）
df['arrow_sym'] = df['wind_dir'].apply(lambda x: [
    'arrow-up', 'arrow-up-right', 'arrow-right', 'arrow-down-right',
    'arrow-down', 'arrow-down-left', 'arrow-left', 'arrow-up-left'
][int(x/45) % 8])
df['marker_size'] = df['wind_speed'] * 2  # 风速映射为标记大小

fig = px.scatter(df, x='time', y=[0]*len(df),
                 size='marker_size',
                 color='wind_speed',
                 symbol='arrow_sym')
fig.update_layout(yaxis_visible=False, xaxis_title='时间', title='风速风向时间序列')
fig.show()

关键注意事项 #

• 风向角度转换：务必区分气象风向（来向）和绘图库箭头方向（去向），转换错误会导致风向完全相反。
• 风速缩放：根据数据集的风速范围，调整scale（Matplotlib）或marker_size（Plotly）的比例，保证箭头/风羽大小适中。
• 时间轴优化：若time为datetime类型，用dt.strftime格式化标签，避免文本重叠。

内容的提问来源于stack exchange，提问作者matrix_season