GEE Colab——如何利用Matplotlib在colab中进行图形制作

在colab中绘制图表

笔记本的一个常见用途是使用图表进行数据可视化。Colaboratory 提供多种图表工具作为 Python 导入，让这一工作变得简单。

Matplotlib

Matplotlib 是最常用的图表工具包，详情请查看其文档，并通过示例获得灵感。

线性图

线性图是一种常见的图表类型，用于显示数据随着时间、顺序或其他连续变量的变化趋势。线性图通常由一组数据点和连线组成，每个数据点表示一个观测值，连线则表示观测值之间的变化趋势。

线性图常用于分析和比较数据的变化趋势，可以帮助我们观察到数据的增长或下降趋势，以及任何可能的模式或关联。线性图还可以用于预测未来的趋势，并做出相应的决策。

使用线性图时，通常会在横轴上表示时间、顺序或其他连续变量，纵轴上表示观测值。每个数据点的位置由横轴和纵轴的数值决定，连线通过连接这些数据点，以显示数据的变化趋势。

线性图可以用于各种数据类型，包括经济数据、股票价格、销售数据、气温变化等。它们可以帮助我们了解数据的整体趋势，并找出任何可能的异常或趋势变化。

在创建线性图时，需要选择合适的数据点和连线样式，并添加适当的标题和标签，以便读者能够理解图表的内容。还可以通过添加网格线和刻度线等辅助元素来增强图表的可读性。

总之，线性图是一种常用的数据可视化工具，用于显示数据随着时间、顺序或其他连续变量的变化趋势。它可以帮助我们观察和分析数据的变化趋势，并做出相应的决策。

import matplotlib.pyplot as plt
 
x  = [1, 2, 3, 4, 5, 6, 7, 8, 9]
y1 = [1, 3, 5, 3, 1, 3, 5, 3, 1]
y2 = [2, 4, 6, 4, 2, 4, 6, 4, 2]
plt.plot(x, y1, label="line L")
plt.plot(x, y2, label="line H")
plt.plot()

plt.xlabel("x axis")
plt.ylabel("y axis")
plt.title("Line Graph Example")
plt.legend()
plt.show()

柱状图

柱状图是一种常用的统计图表，用于展示不同类别或组之间的数量或比较。它由一系列垂直的柱子组成，每个柱子的高度代表相应类别或组的数值大小。柱状图可以用于比较不同类别之间的数量差异、观察数据的分布情况以及显示趋势变化等。

import matplotlib.pyplot as plt

# 请看索引 4 和 6，它们展示了重叠的情况。
x1 = [1, 3, 4, 5, 6, 7, 9]
y1 = [4, 7, 2, 4, 7, 8, 3]

x2 = [2, 4, 6, 8, 10]
y2 = [5, 6, 2, 6, 2]

# Colors: https://matplotlib.org/api/colors_api.html

plt.bar(x1, y1, label="Blue Bar", color='b')
plt.bar(x2, y2, label="Green Bar", color='g')
plt.plot()

plt.xlabel("bar number")
plt.ylabel("bar height")
plt.title("Bar Chart Example")
plt.legend()
plt.show()