【气候软件】Python6：Cartopy和matplotlib包绘制气象图中图

气象数据可视化主要依靠matplotlib做绘图，其他库包为辅助，包括数据处理的，地理信息处理的等等。

绘图主要有六步（“六部曲”）（不是绝对的方法，视具体情况使用）:

• 引入库包：import matplotlib.pyplot as plt

• 设定画布：fig=plt.figure()

• 导入数据：之前已有介绍导入nc文件格式数据（【气候软件】Python读取气象数据 NetCDF文件（***.nc））和导入txt文本格式数据（【气候软件】Python2：读取TXT文本格式的数据）。

• 线图命令：plt.plot(x,y,lw=,ls=，c=,alpha=)

• 出图：plt.show()

• 存图：fig.savefig("···")

  
  

只要按照以上六步，基本绘图没有问题！！！

/ ?! b! n+ q% L' |
0 L' L, c0 {5 [

Cartopy是一个Python包，用于地理空间数据处理，以便生成地图和其他地理空间数据分析。Cartopy利用了强大的PROJ.4、NumPy和Shapely库，并在Matplotlib之上构建了一个编程接口，用于创建发布质量的地图。cartopy的主要特点是面向对象的投影定义，以及在投影之间转换点、线、向量、多边形和图像的能力。

5 j1 Y9 w9 d8 U: g) X2 b' N- c

绘制简单气象地图

Cartopy公开了一个接口，可以使用matplotlib轻松创建地图。

1. 使用anaconda安装Cartopy库：

• 
  
  3 k9 @. ?- S/ o! M

conda install Cartopy
$ ?2 j& `/ H( l( j3 f

5 e- }3 p) t1 ?

! G- O5 `  f9 J! y5 M+ b

2. 工作在多图形(figures)和多坐标系(axes)

MATLAB和pyplot都有当前图形(figure)和当前坐标系(axes)的概念。所有的绘图命令都是应用于当前坐标系的。gca()和gcf()(get current axes/figures)分别获取当前axes和figures的对象。通常，你不用担心这些，因为他们都在幕后被保存了，下面是一个例子，创建了两个子绘图区域(subplot)：

例：绘制图中图

• 
  - T. M8 D, T* _1 A2 ]. w
• 
  ( g) ?( X. i; }3 U
• 
  ' I. n# J: S6 v! \
• 
  
• 
  # M5 a& h: |- d# W9 F6 Q
• 
  
• 
  
• 
    Y; b0 Q1 Y& s! a. u* g& ^3 h, q
• 
  
• 
  
• 
  % n7 f6 P' W$ a
• 
  % d6 U$ Y# _* d! y
• 
    _+ V% u) ?" ?5 Y1 e  {1 n3 ^4 G
• 
  # E$ h# q9 P  D
• 
  1 n) f) U6 C3 @- u& U3 m9 Y, M
• 
  
• 
  - Z# v0 j5 i8 P" }6 Z2 V. u
• 
    C. s* u; x$ [! e( n
• 
  $ h% p* O! H; s: Q' \+ j8 H
• 
  / u( c- l& E2 F0 ^, E
• 
  & _8 C. g: p4 ?/ n% Y, Y( u' k
• 
  
• 
  8 B* z/ X! {# D* M! w% H0 S. ^  q
• 
  6 k9 h( _% Y3 w1 V6 I3 m& B2 g- Y
• 
  6 @! Z# p) b# `3 H% [, G. I
• 
  
• 
  & L2 n: ^: g- l7 P1 \# r
• 
  
  

importnumpy asnpimportmatplotlib.pyplot aspltimportpandas aspd#新建figurefig = plt.figure()  #默认的画布大小#读取某地1979-2019年年平均气温数据共40年data = pd.read_csv("annual tem.txt", skiprows=1, sep='\s+', header=None, names=['year', 'sta1', 'sta2'])print(data)x = data.yeary1 = data.sta1y2 = data.sta2#新建区域ax1#figure的百分比,从figure 10%的位置开始绘制, 宽高是figure的80%left, bottom, width, height = 0.1, 0.1, 0.8, 0.8#获得绘制的句柄ax1 = fig.add_axes([left, bottom, width, height])ax1.plot(x, y1, 'r')ax1.set_title('station1 annual mean temperature')#新增区域ax2,嵌套在ax1内，看一看图中图是什么样，这就是与subplot的区别left, bottom, width, height = 0.62, 0.15, 0.25, 0.25#获得绘制的句柄ax2 = fig.add_axes([left, bottom, width, height])ax2.plot(x, y2, 'b')ax2.set_title('station2 annual mean temperature')plt.show()
; T) {, I9 L2 G$ W/ ~% M5 S

! N1 Q. ?' q2 E6 z: x