### Python代码用于绘制降水量距平与标准方差合成图 为了实现这一目标，可以采用`matplotlib`库来创建图形，并利用`numpy`处理数据。下面是一个具体的例子，该示例假设已经拥有一组时间序列的降水数据以及相应的标准偏差值。 ```python import numpy as np import matplotlib.pyplot as plt # 假设的数据集：月份、平均降水量、实际降水量和对应的标准偏差 months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec'] mean_precipitation = np.random.uniform(0, 150, size=12) # 平均降水量随机数作为示例 actual_precipitation = mean_precipitation + np.random.normal(scale=30, size=12) # 实际降水量基于平均值加上正态分布噪声 std_deviation = np.abs(np.random.randn(12)) * 20 # 随机生成标准偏差 fig, ax1 = plt.subplots() color = 'tab:blue' ax1.set_xlabel('Month') ax1.set_ylabel('Precipitation Anomaly (mm)', color=color) line1 = ax1.plot(months, actual_precipitation - mean_precipitation, label='Anomaly', marker='o', linestyle='-', color=color) ax2 = ax1.twinx() color = 'tab:red' ax2.set_ylabel('Standard Deviation', color=color) bar2 = ax2.bar([m for m in months], std_deviation, alpha=0.3, color=color, label='Std') lines_labels = [l.get_label() for l in line1] bars_labels = [b.get_label() for b in [bar2]] ax1.legend(line1, lines_labels, loc='upper left') ax2.legend(loc='upper right') plt.title('Composite Chart of Precipitation Anomalies and Standard Deviations') plt.show() ``` 此段脚本首先导入必要的包并定义了一些模拟的时间序列数据，包括每个月份的实际降水量及其对应的平均值和标准偏差。接着通过双轴图表的方式展示这些信息，在左侧y轴上显示的是相对于月度平均水平的变化量（即异常），而在右侧y轴则表示各个月份观测到的数据波动程度——也就是标准偏差[^1]。