1. 安装画泰勒图的库

pip install SkillMetrics

SkillMetrics库在图的设置细节（模型标记符号、colorbar）有很多不足，比如无法按颜色区分每个散点。

注意！！！
提前算好数据的标准差、相关系数和中心化均方根误差（RMSD）
STDs、RMSs 和 CORs 这三个输入数组必须是一维的，并且它们的长度相同。它们的第一个元素（索引为 0 的值）是 参考序列（Reference Series） 的统计量，而剩下的元素（从索引 1 开始）是其他需要比较的序列的统计量。

2. 绘制基础泰勒图

import skill_metrics as sm

# 开始绘图
sm.taylor_diagram(np.array(stddev1), np.array(rmse_values), np.array(correlation_coeffs))
# text_font = {'size': '15', 'weight': 'bold', 'color': 'black'}
# plt.title("Example01 Of taylor_diagram() in Python", fontdict=text_font, pad=35)
# 显示图形
plt.show()

效果图

3. 按散点形状画泰勒图

import skill_metrics as sm

# 开始绘图
sm.taylor_diagram(np.array(stddev1), np.array(rmse_values), np.array(correlation_coeffs), 
                  markerLabel=['1', '2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12', '13'],
                  markerLegend='on',markercolor='r',markerSize=6)
# text_font = {'size': '15', 'weight': 'bold', 'color': 'black'}
# plt.title("Example01 Of taylor_diagram() in Python", fontdict=text_font, pad=35)
# 显示图形
plt.show()

注意：markerLabel列表长度要和散点个数一致；自带了10种符号，超过10种用颜色区分
效果图：

4. 修改泰勒图线条

import skill_metrics as sm
fig,ax = plt.subplots(figsize=(4,3.5),dpi=100,facecolor="w")
sm.taylor_diagram(sdev,crmsd,ccoef,
                  markerLabel=['1', '2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12', '13'],markercolor="k",markerSize=6,markerLegend = 'on',
                  colCOR="k",styleCOR="--",widthCOR=.9,
                  colSTD="b",widthSTD=.9,styleSTD="--",
                  widthRMS=.9,
                  colOBS="r",styleOBS="-",widthOBS=1,markerObs="^",titleOBS="Observation")
ax.grid(False)
fig.tight_layout()
plt.show()

效果图：