Python4：Cartopy和matplotlib包绘制地图和时间序列图

温馨提示

（1）本号分享的有关python的经验方法都是基于anaconda下载的库包（conda install 库包名 或 cmd 命令 pip install 库报名），以及使用anaconda里的spyder(python3.8)编辑和运行代码。

（2）所有的代码都是经过了spyder(python3.8)正常运行得出结果的，可以放心使用，也欢迎交流和讨论。

（3）使用的软件以及不同版本，都有可能会导致代码运用出现问题（不代表分享的代码有问题或是错误的。），关于不同版本运行本号分享的代码出现问题，请自行网上搜索解决办法解决。

（4）如有转载或分享请注明出处，尊重本号版权和辛劳，谢谢！如有侵权敬请联系删除。

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。

( n- b5 K; M# e: z

绘制简单地图

Cartopy公开了一个接口，可以使用matplotlib轻松创建地图。创建基本地图非常简单，只需告诉Matplotlib使用特定的地图投影，然后在轴上添加一些海岸线：

1. 使用anaconda安装Cartopy库：

• 
  5 M- L& V$ H: D8 n
  4 w3 n5 J7 ?( a, A$ u' l

conda install Cartopy
0 v% S; h! F) J

! |2 a+ u7 f& M+ A: R# d

2. 使用matplotlib.pyplot（plt）绘图：

例1：

• 
  % Q5 @0 R- j  w8 l
• 
  ! r" Z. Y: S, ^% `. b: O) v9 F9 U
• 
  
• 
  0 ]3 {; l/ A2 ^
• 
  $ h& {$ O' w( f3 O+ ?( V
• 
  + ~* E  P2 \: t; n
  

import cartopy.crs as ccrsimport matplotlib.pyplot as plt#一种投影ax = plt.axes(projection=ccrs.PlateCarree())ax.coastlines()plt.show()
$ r# Z7 H* O+ w

---

• 
  ( s$ Y7 t) G( ~
• 
  
• 
  , J% D' e3 ~4 F& n: @
• 
  
• 
  ' M4 |6 o9 H1 o* k
• 
  
  

import cartopy.crs as ccrsimport matplotlib.pyplot as plt#换一种投影ax = plt.axes(projection=ccrs.Mollweide())ax.stock_img()plt.show()

图形保存方式：

• 
  
• 
  & _, A; D7 B! \9 U5 D  @; `
• 
  & ~! {- E! D$ D& u
  6 U5 R7 K# y: C+ k* a% Y$ a: D# M

# Save the plot by calling plt.savefig() BEFORE plt.show()plt.savefig('coastlines.pdf')  #保存为pdf格式的文件plt.savefig('coastlines.png')  ##保存为png格式的图片
) |5 t( i/ C5 i7 E5 k% H) h9 l

绘制时间序列图

例：以三角函数为例绘图

• 
  , u! l. [% Z3 L
• 
  2 @  |, J7 n" i- l5 w: v
• 
  ' X5 |3 T. [% x
• 
  
• 
  % {6 w- `$ u- V% K4 |
• 
  ; v9 C' Q0 B4 [! u( |
• 
  
• 
  
• 
  5 d' e7 ~6 u* I& @& i2 H: a
• 
  
• 
  , {5 _0 Q- F$ q# {; W, e
• 
  ) a% V) [* S; K/ i' s
• 
  
• 
  
• 
  
• 
  
• 
  
• 
    _1 l! d3 |" L) R9 x% ^
• 
  # }$ A3 v5 R: ?& V1 ]1 Y: u
• 
  & [$ n/ I) Z/ E" f
  

import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei']  # 中文字体设置-黑体plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题x = np.arange(-2*np.pi, 2*np.pi, 0.01)  #设值y1 = np.sin(x)y2 = np.cos(x)plt.figure(figsize=(10, 7))  #画布大小plt.plot(x, y1, label='$sinx$')  #绘制sin曲线plt.plot(x, y2, label='$cosx$')  #绘制cos曲线plt.legend(loc='upper right')  #图例plt.xlim(-2*np.pi-1, 2*np.pi+3)plt.xticks([-2*np.pi, -np.pi, 0, np.pi, 2*np.pi], ['$-2\pi$', '$-\pi$', '$0$', '$\pi$', '$2\pi$'])plt.title('三角-函数')plt.xlabel('横坐标')plt.ylabel('纵坐标')plt.axhline(y=0, c='black')plt.show()
1 `. l0 _+ ~; s

; Z% ^* t, ^$ i: s- Q

                               
登录/注册后可看大图

8 v# {& ~: t* }0 D$ ~9 x

以某地1979-2019年平均气温为例绘制两个站点气温时间序列的子区域图：

数据内容如下：

• 
  
• 
  ' y( O/ e3 r! z2 Y* d4 ]/ ^# `
• 
  
• 
  
• 
  . c) c  C2 M5 ~/ `
• 
  
• 
  9 R. F0 F8 n. Y8 m/ B, p
• 
  
• 
  
• 
  $ t" \) I5 C% x: n4 d) ~8 N. H
• 
  , [( u3 L6 H4 r# h
• 
  
• 
  0 q" f( y  m, ^" B4 R2 v  x7 X
• 
  . W" X2 T, Q9 _( e6 T
• 
  6 b, {9 L9 Y- e1 {0 U4 r! T
• 
  
• 
  & j8 |4 ]8 ^" }: ^% @, x
• 
  $ I8 l( B; ]% |) M
• 
  # o. [  }1 l: L1 _; g. j
• 
  
• 
  8 I- g: Q  q0 Q
• 
  
• 
  7 Y% }( g/ P% g- _, Y
  + ~) G( ?3 C* K& ?. \2 p/ m+ ^

import pandas as pdimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei']  # 中文字体设置-黑体plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题#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.sta2plt.figure(figsize=(10, 7))  #画布大小plt.plot(x, y1, 'r',  label='$sta1$')  #绘制sin曲线plt.plot(x, y2, 'b', label='$sta2$')  #绘制cos曲线plt.legend(loc='upper left')  #图例plt.title('1979-2019 annual mean temperature')plt.xlabel('year')plt.ylabel('tem')plt.show()
! D( b' P* `" }. u0 \9 m

7 g- u5 H! Y8 j9 m' l3 G

                               
登录/注册后可看大图

使用matplotlib.pyplot(plt)进行绘图时，直接使用plt里的函数：使用面向对象的方法，先产生一个Axes对象，再对此对象进行操作，实现绘图。