python
# 安装论文图表绘制必备库，包含pandas（数据处理）、numpy（数值计算）
# matplotlib（基础可视化）、seaborn（美化图表，适配学术风格）
pip install pandas numpy matplotlib seaborn

python
# 导入必备库（提前安装完成后，直接导入）
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 读取预处理后的数据（羲和平台下载，预处理方法见第二篇，直接使用预处理后的文件）
data = pd.read_csv('预处理后_全球城市风速辐射数据.csv')

# 筛选某一城市的数据（重点：替换为自己论文中研究的城市，比如“上海”“广州”）
city_data = data[data['城市'] == '北京']

# 计算年平均风速（适配时序趋势分析，也可改为按月计算，将groupby('年')改为groupby('月')）
yearly_wind = city_data.groupby('年')['风速(m/s)'].mean().reset_index()

# 绘制趋势图（论文规范样式，美观且符合学术要求，无需修改参数）
plt.figure(figsize=(10, 6))  # 设置图表大小，10*6适合论文插入
# 绘制折线图，线条粗细、标记点、颜色均适配学术风格
sns.lineplot(x='年', y='风速(m/s)', data=yearly_wind, linewidth=2, marker='o', color='#1f77b4')
# 图表标题（规范命名：时间+区域+参数+图表类型）
plt.title('2000-2024年北京年平均风速变化趋势', fontsize=14, fontweight='bold')
# 坐标轴标签（必须标注单位，论文规范要求）
plt.xlabel('年份', fontsize=12)
plt.ylabel('年平均风速（m/s）', fontsize=12)
plt.grid(alpha=0.3)  # 添加网格，让图表更清晰，不杂乱
plt.xticks(rotation=45)  # 年份旋转45度，避免重叠
plt.tight_layout()  # 自动调整布局，避免标签被截断（论文插入时不遗漏内容）
# 保存图片（dpi=300，论文印刷/插入清晰，路径可自行修改）
plt.savefig('北京风速趋势图.png', dpi=300)

python
# 选择需要分析的气象参数（根据自己的论文数据，添加/删除列名）
corr_data = city_data[['风速(m/s)', '太阳总辐射(W/㎡)', '气温(℃)', '湿度(%)']]

# 计算相关系数（Pearson相关系数，论文常用，无需修改）
corr = corr_data.corr()

# 绘制热力图（学术规范样式，清晰直观，标注相关系数）
plt.figure(figsize=(8, 6))  # 设置图表大小，适配论文页面
# 绘制热力图，annot=True显示相关系数，cmap为配色，适配学术风格
sns.heatmap(corr, annot=True, cmap='RdBu_r', vmin=-1, vmax=1, fmt='.2f', linewidths=0.5)
# 图表标题（规范命名，体现分析内容）
plt.title('北京气象参数相关性分析', fontsize=14, fontweight='bold')
plt.tight_layout()  # 自动调整布局，避免标签截断
# 保存图片，dpi=300，确保清晰
plt.savefig('气象参数相关性热力图.png', dpi=300)