收藏本站 劰载中...网站公告 | 吾爱海洋论坛交流QQ群:835383472

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

[复制链接]

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("···")

    - W& ?+ s3 j# ^$ f5 Y9 d

只要按照以上六步,基本绘图没有问题!!!

  i4 z4 g5 H9 e# o$ ]  l0 U1 B
1 ]' l1 M% n' K

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。


$ T$ ?& Q6 s1 _) ^

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:


  • / K3 I4 e& j9 b& z6 |* F) I  @/ ]/ |

conda install Cartopy, @1 S8 H/ b# T1 f0 G

. q0 W2 N+ v9 B1 v. d

0 X. w' h8 |1 f$ X. k9 }* B3 S$ \! t( Z

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

  • * ]6 `% L( |& S9 w
  • 5 b1 Q6 f' [( C3 N( T4 p
  • $ e; Q- j: F* e5 C. d. j% f! c

  • . a( k0 G& D3 _3 S, c8 @
  • # N; h5 r* i2 ~* ?  D* l
  • 2 r- r& C* X. L4 E
  • 9 `( X  P0 d. h: @/ b$ a

  • # F: |3 ]! t! I# n1 R: L

  • * M  E- i! s! M
  • $ S1 t7 N, e/ y

  • ( K. Q8 U$ ]- B$ ]& w
  •   A" v, S5 m$ t
  • & A1 T. `! h4 V% a5 n5 I" e
  • ' f4 @6 h% {* _7 u: E# f

  • ; e) J0 Q& t/ W

  • 5 z5 e  o" s. \, }

  • $ V1 }1 y8 `; @, T8 L& ?' [) \' r

  • & Z: b8 P& z: f. j( K% I
  • 4 [% s" A9 Q; |6 c, o

  • 6 _  C" |6 f& Y, D, U+ Q" A* w
  • 6 K8 ?4 W3 `$ ?, G9 ]

  • # D/ s0 ~; _* u* S4 M2 I

  • # z' R$ h$ N* Q6 k7 j, K
  • 5 O, C: O: |0 a' j; ^, ]

  • : @# j2 U& l+ w! Q

  • ' p2 l3 K# u( P
  • 4 n) I" k4 E1 n$ F) r  N* }
  • * Y$ K# h3 C% D; o3 \
    . h1 t# V! y) ~2 @- t8 h- N

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()
4 Q- W, }+ t1 B, \+ Q3 P( C

36dffb9567a70f2b9ac9b72e5828c688.png

7 b8 U3 J" d2 l3 o/ n8 S, u2 @

/ V$ Q/ O# x3 [! {1 C
( u" y: G  d' H6 R' o
9ee420172be46e4f6a610c7b8eb3628c.gif
回复

举报 使用道具

相关帖子

全部回帖
暂无回帖,快来参与回复吧
懒得打字?点击右侧快捷回复 【吾爱海洋论坛发文有奖】
您需要登录后才可以回帖 登录 | 立即注册
有风
活跃在2022-10-29
快速回复 返回顶部 返回列表