【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("···")

  
  7 W' p. A& }+ r2 J" h/ M  J

只要按照以上六步，基本绘图没有问题！！！

3 w! d/ j2 T2 }! e) m  R% g, y8 R

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。

# f" \/ z+ e- k1 R: N& x

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：

• 
  7 b1 ^; i7 \+ d
  

conda install Cartopy

. e: g4 o% M2 u. Q0 Z  b% u9 H

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

• 
  , r5 }" s( R, J! W" h0 y( V+ t
• 
  , `* H# c8 Y1 G- n
• 
  / Q- C- x2 U0 E& B6 T$ D( s5 q
• 
  6 C% p/ @, b0 o& B8 k% E7 V
• 
  7 ^3 Q* _, t& x/ f
• 
  
• 
  % A3 n  Y$ p+ o
• 
  6 K# C9 k- `3 r4 y. T* u" [6 c( t
• 
  0 q; @, n' R; X0 C' I+ c0 c. l/ l; v; n
• 
  + O7 u4 _" S  `* E
• 
    d" o  S1 w4 ~/ u* Z
• 
  9 ~: q$ y# m$ f5 d2 z+ J
• 
  
• 
  
• 
  
• 
  ; J# l( `, ?  g  t' e3 C$ l; R- U; B" u! _
• 
  ( k+ S) e5 ^; b
• 
  
• 
  ) P% P0 s: Y* P" v) _
• 
  
• 
  
• 
  
• 
  6 J( Q% Q2 ]0 A3 u' r
• 
  5 _- v: W& O" x/ d% ]" `6 k3 c. U
• 
    h9 h" v5 P, e9 F6 {3 M7 l) Z
• 
  1 D( l) d( D: s4 ?
• 
    d  y$ [" x: X' G" K7 s
• 
  
  

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()
' t3 ?; E4 E1 ~; T5 Q) K

0 T9 F) ?. w" ?  O) L
+ O3 e+ N) N0 B) F3 h$ |) R
3 H7 O# k/ F7 c5 H; a