海洋数据处理软件 -海洋数据分析收费标准

9 [2 ]7 D7 C; N& m; y; W8 h$ F$ e

Notes：请务必将matplotlib的版本控制在3.2（或以下），经过测试发现，3.3及以后的版本在配合proplot使用时，在设置colorbar的时候会出现警告信息，同时生成的图不正常。降版本之后问题不再出现。

0 g. G9 {( k# H! h$ f* |: x

在我的上一篇文章中，我推荐了由NCAR负责开发的PyNgl库作为Python语言下面的地理绘图库，并且介绍了如何在子系统（WSL）下面的安装方法。详细的请见传送门：

小梁梁：最好看的气象海洋数据可视化，PyNgl和PyNio库在子系统(WSL)下的安装36 赞同 · 17 评论文章

% i4 a( I' |" |) c# @# K; S

不过现在选择使用PyNgl有些尴尬，首先是官方宣布不再进行大更新了，只进行小修小补（维护模式），其次根据一些说法，PyNgl相较于NCL本身，还存在一些Bugs。总的来说就是体验一般。不过，如果很早就习惯了NCL的声明式绘图，可能你会非常喜欢他。

一次偶然，我发现了Proplot这个库，Proplot对matplotlib进行了高度的封装，是一个高级绘图工具，其功能相当强大！而且融和了cartopy、basemap、xarray和pandas。作者是来自科罗拉多州立大学大气科学学院的硕士研究生Luke Davis。简单来说：Proplot针对matplotlib和cartopy的很多不友好的方面，并通过封装来解决这些问题。使用者可以通过新引入的format方法来完成繁琐复杂的图形设置问题（更简单的代码，更好看的图形）

; G$ x3 E3 y6 v: a' P

ProPlot - ProPlot documentation​proplot.readthedocs.io/en/latest/

在官方文档中，已经大量的绘图例子，可以前往查看，下面简单展示一下具体的绘图效果：

: I4 l6 e w; U5 S

①简单常用的填色图：

import proplot as plot * k6 ~# Z% ?5 m import numpy as np ) } m) ~8 l' |* i' f" q |# k, Q # 创建虚拟数据 offset = -40 lon = plot.arange(offset, 360 + offset - 1, 60) 4 q9 h* ]+ s9 P- m! o! @) H, b lat = plot.arange(-60, 60 + 1, 30) 1 v$ v/ D; N1 X( p9 j state = np.random.RandomState(51423) data = state.rand(len(lat), len(lon)) plot.rc.reso = lo#海岸线可以不同分辨率 hi med lo x-hi xx-hi proj = plot.Proj(cyl) fig, axs = plot.subplots(nrows=1, ncols=2, axwidth=6, proj=proj) ' A! k# ?) K) D; `1 }8 o6 _% A7 o axs.format( abc=True,abcloc=ul,abcsize=30, abcstyle=a), gridlabelsize=18, & J( g m! D6 q# l8 f- W9 p% S! o4 v labels=True, lonlines=30, latlines=20, 6 j5 W7 ~8 ], \+ j coast=True,gridminor=True,coastlinewidth=1, % ^) v" E& C9 U/ K# \, @ suptitle=Contourf,suptitlesize=20, rowlabels=[Cartopy example], collabels=[Contourf, Pcolormesh]) 6 ?6 O7 C, L6 m cmap=plot.Colormap(Div, gamma=0.6)#gamma提高颜色深度 $ t0 M4 S4 q: P" q$ f9 s, n) Z$ a m = axs[0].contourf(lon, lat, data, cmap=cmap, extend=both) 1 n* ?; x2 E' B8 ` axs[1].pcolor(lon, lat, data, cmap=cmap, extend=both) $ [( r0 |6 @4 s4 H5 p# I fig.colorbar(m, loc=b, label=State, labelsize=20,ticklabelsize=18, extendsize=1.7em) ; M c0 G9 o+ L4 m) \) P" F fig.save(rC:\Users\59799\Desktop\image.png, dpi=600) plot.close() : [: W7 s7 B# O7 y1 m

②子图特殊布局：

import proplot as plot import numpy as np ( c$ R _. |+ |: w% l* p # 创建虚拟数据 offset = -40 lon = plot.arange(offset, 360 + offset - 1, 60) lat = plot.arange(-60, 60 + 1, 30) # u4 D- B6 L- |8 b0 j9 L state = np.random.RandomState(51423) data = state.rand(len(lat), len(lon)) ) _/ d/ `% W# w3 Z, _1 u- v# y7 S x1 U; V; K5 j! n 4 n% s" s# w6 S" N& R subplot_array = [[0,1,1,0], 1 c, s5 n6 L; ? [2,2,3,3]] #0表示没有图片 1 2 3...表示子图1 2 3... plot.rc.reso = lo#海岸线可以不同分辨率 hi med lo x-hi xx-hi proj = plot.Proj(cyl) fig, axs = plot.subplots(subplot_array, axwidth=6, proj=proj) axs.format( + R0 Q/ j i& }0 ^4 L; M abc=True,abcloc=ul,abcsize=30, abcstyle=a), gridlabelsize=18, labels=True, lonlines=30, latlines=20, coast=True,gridminor=True,coastlinewidth=1) cmap=plot.Colormap(Div, gamma=0.6)#gamma提高颜色深度 " g5 o) P, p f. Q m = axs[0].contourf(lon, lat, data, cmap=cmap, extend=both) axs[0].format(title = subplot 1, titlesize=20) axs[1].pcolor(lon, lat, data, cmap=cmap, extend=both) ) C- Y& `; ?4 Q, h8 f' h, \ axs[1].format(title = subplot 2, titlesize=20) 9 r4 V' M8 |% {6 T axs[2].contour(lon, lat, data, extend=both) 4 U0 }$ N6 c5 w- M axs[2].format(title = subplot 2, titlesize=20) $ i% m5 q) o2 [; c0 [- ?: V5 L fig.colorbar(m, loc=b, label=State, : \/ E2 f G; g/ p9 q( ^ labelsize=20,ticklabelsize=18, extendsize=1.7em) fig.save(rC:\Users\59799\Desktop\image.png, dpi=600) Y7 ]' D7 G7 N( V plot.close()

使用技巧：

①在保存图片时，默认保存的图片为1200dpi，如果直接放进word文档，可能会因为图片压缩导致图片异常（如果设置为不压缩，图片一多会导致word非常卡），所以请尽量使用dpi参数改变保存图片时候的dpi。

5 S2 A! V4 Z2 r5 @3 Q

②format方法可以针对不同的子图设置不同格式，例如：

axs.format(...)#设置全部子图 axs[0:2].format(...)#设置第1张和第2张子图 5 e9 {+ ]' m! c axs[0].format(...)#设置第1张子图

( k4 ?5 A' \- P/ a

③所有的图形设置都可以在format方法中通过参数的方法完成，具体的参数请查阅官方文档的Configuring ProPlot章节

④现在Proplot中还包含着basemap，个人不太推荐使用。

! l B" m. M/ X' a! R 0 n0 s" s5 ?' s% b6 I0 A 6 X9 |, c* ]& v- ]4 g8 f7 h/ k