python绘图 | 中国地图最正确的使用方式（九段线;南海子图

前言

9 _; J$ p% V) y/ }6 o

海洋、气象、地球科学相关的分析必然少不了地图的可视化。Python中我常用的绘制地图和空间信息分析的库是Cartopy。

Cartopy有一个非常严重的问题，那就是自带的中国国界数据有问题，这也是很多国外开源库的普遍问题。在做中国区域的分析时，由于九段线的位置很偏南，因此最标准的做法是同时绘制南海区域的子图。在做一些站点展示的时候，如果只单独画上几个站点总觉得很丑，可以加上一些地形背景。

综上，今天想要用一个小例子解决这3个问题：

• 正确的中国国界线及九段线绘制

• 南海小地图绘制

• 全球地形图添加

  
  6 ~  G  U) X; V3 ]4 {: F* g. a5 v

准备工作

• 获取正确的中国矢量文件：公众号后台留言“中国行政区划”
  (这个矢量文件来自资源环境平台，并和权威机构的标准地图做了比对，吻合一致。)

• 获取全球地形图像：公众号后台留言“全球地形”
  3 J# R0 ~3 Y8 ^0 B9 }8 e(提供的是全球50m分辨率的tif图，如果对分辨率要求不高可以直接使用stock_img())

  
  " x  W* m$ O% B) ?* W. o+ t

代码

[Python] 纯文本查看 复制代码

# -*- coding: utf-8 -*-
importnumpy asnp
importpandas aspd
importcartopy
importcartopy.crs asccrs
importcartopy.feature ascfeat
fromcartopy.mpl.gridliner importLONGITUDE_FORMATTER, LATITUDE_FORMATTER
fromcartopy.io.shapereader importReader, natural_earth
importmatplotlib.pyplot asplt
importmatplotlib.ticker asmticker
frommatplotlib.image importimread
defcreate_map():
shp_path = './cn_shp/Province_9/'
# --创建画图空间
proj = ccrs.PlateCarree()  # 创建坐标系
fig = plt.figure(figsize=(6, 8), dpi=400)  # 创建页面
ax = fig.subplots(1, 1, subplot_kw={'projection': proj})  
# --设置地图属性
provinces = cfeat.ShapelyFeature(
Reader(shp_path + 'Province_9.shp').geometries(),
proj, edgecolor='k',
facecolor='none'
)
# 加载省界线
ax.add_feature(provinces, linewidth=0.6, zorder=2)
# 加载分辨率为50的海岸线
ax.add_feature(cfeat.COASTLINE.with_scale('50m'), linewidth=0.6, zorder=10)
# 加载分辨率为50的河流~
ax.add_feature(cfeat.RIVERS.with_scale('50m'), zorder=10)
# 加载分辨率为50的湖泊
ax.add_feature(cfeat.LAKES.with_scale('50m'), zorder=10)
ax.set_extent([105, 133, 15, 45])
# ax.stock_img()
ax.imshow(
imread('./NE1_50M_SR_W.tif'),
origin='upper',
transform=proj,
extent=[-180, 180, -90, 90]
)
# --设置网格点属性
gl = ax.gridlines(
crs=ccrs.PlateCarree(),
draw_labels=True,
linewidth=1.2,
color='k',
alpha=0.5,
linestyle='--'
)
gl.xlabels_top = False# 关闭顶端的经纬度标签
gl.ylabels_right = False# 关闭右侧的经纬度标签
gl.xformatter = LONGITUDE_FORMATTER  # x轴设为经度的格式
gl.yformatter = LATITUDE_FORMATTER  # y轴设为纬度的格式
gl.xlocator = mticker.FixedLocator(np.arange(95, 145+ 5, 5))
gl.ylocator = mticker.FixedLocator(np.arange(-5, 45+ 5, 5))
# --设置小地图
left, bottom, width, height = 0.67, 0.15, 0.23, 0.27
ax2 = fig.add_axes(
[left, bottom, width, height], 
projection=proj
)
ax2.add_feature(provinces, linewidth=0.6, zorder=2)
ax2.add_feature(cfeat.COASTLINE.with_scale('50m'), linewidth=0.6, zorder=10)
ax2.add_feature(cfeat.RIVERS.with_scale('50m'), zorder=10)
ax2.add_feature(cfeat.LAKES.with_scale('50m'), zorder=10)
ax2.set_extent([105, 125, 0, 25])
# ax2.stock_img()
ax2.imshow(
imread('./NE1_50M_SR_W.tif'),
origin='upper',
transform=proj,
extent=[-180, 180, -90, 90]
)
returnax
defmain():
ax = create_map()
title = f'distribution of station around China'
ax.set_title(title, fontsize=18)
df = pd.read_csv('buyo_position.csv')
df['lon'] = df['lon'].astype(np.float64)
df['lat'] = df['lat'].astype(np.float64)
ax.scatter(
df['lon'].values,
df['lat'].values,
marker='o',
s=10,
color ="blue"
)
fori, j, k inlist(zip(df['lon'].values, df['lat'].values, df['name'].values)):
ax.text(i - 0.8, j + 0.2, k, fontsize=6)
plt.savefig('station_distribute_map.png')
if__name__ == '__main__':
main()

[p=null, 2, center]

资源获取地址：

游客，如果您要查看本帖隐藏内容请回复

6 {; w  H5 L8 u1 E! `) l

学习一下