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。

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：

• 
  ' k9 l' F' s) z' w: H( }. W6 C8 H
  # V: b) J2 l% \$ T: z

conda install Cartopy
& ~& k9 N7 e- u0 ~

7 @0 @, X" g/ a( `* N- a) ~

2. 使用matplotlib.pyplot（plt）绘图：

例1：

• 
  8 G* u) W7 v7 H: q8 D8 t7 m
• 
  7 m( n. S: ?$ l9 f" L% [' W( J
• 
  ; J# v0 t/ W8 }! [
• 
  
• 
  ' T+ O  w$ V, P
• 
  , X3 C( L1 x: ^; S( B- _; {, K
  1 C6 q+ N1 ~) E: h( Y' _, c2 d" C

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

---

• 
  
• 
  2 {; P1 u( a) F  G( V
• 
  $ l1 K" J9 K4 W) o
• 
  
• 
  * g+ k3 j* Y; ]: r5 Z2 R
• 
  
  

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()
2 P* O, T* S0 X8 k% g' t0 s5 g. T

图形保存方式：

• 
  " `* |1 N! L9 j% r/ @5 h& H
• 
  6 ~# r2 W+ V6 i  M7 z
• 
  2 y, Y4 }- Q3 o; N0 Q
  

# 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
0 w# P9 A( ~) p8 q

4 Y$ O1 m4 {  {$ C

绘制时间序列图

例：以三角函数为例绘图

• 
  6 l, z7 n( T0 w3 c  `: j' j3 u' z, `
• 
  
• 
  + }; ~. }$ b) ?8 j  o4 m
• 
  
• 
  
• 
  . B1 i* X( V9 S8 Z; m$ \/ M% ^' r
• 
  0 l! A' ~) x& K% f
• 
  
• 
  ( P  x. N  o( C6 N, i1 t
• 
  9 X) ~2 ?  }! s2 q' U
• 
  ) R6 t( j: j# l; O2 S8 Z: P: Y
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  $ P5 ]' y- x3 h! e# J, q
• 
  
• 
  
• 
  - s2 H; n" b7 @; n. x' }% {+ D
  

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()
( S: {: R; s% Y( q* f; F1 B

. d; L7 ~$ ^+ z# q' j0 L

" Z2 i6 g7 r* K                               
登录/注册后可看大图

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：

• 
  & N  t3 y( d. ?+ O
• 
  
• 
  - v+ V' d/ ^( o- z. T6 |1 ]& K
• 
  
• 
  
• 
  - Q3 H; M( B8 L; ~( c# \
• 
  # T/ ~6 o  ?4 u% Z5 C& p# H7 j' }
• 
  
• 
  $ A7 Y2 C  R1 |/ x5 h% j
• 
  5 ]! A2 o! Q9 o/ L
• 
  8 O  x' P, S. K. A$ Q
• 
  
• 
  ( W* S: Y3 k' u# l" ?( I
• 
  7 x2 b) k4 J; n
• 
  ) ~/ S) ?4 _, i" R, C# G5 j# p8 F
• 
  " w& B* g8 x+ {( a
• 
  
• 
  4 I+ a9 u( ], ?$ J( _. U8 e; {
• 
  
• 
  & ~$ a  N( r: v. L2 i1 H
• 
  
• 
  ( Q, H( g  _) Q) D# @- V( @
• 
  
  8 r* J8 z" _, p; ]

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()

                               
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。