海洋数据处理软件 -海洋数据分析收费标准

* H+ Y) c$ f3 `2 W' V4 k1 M

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。

& t, R, X9 O9 k7 j! u& @

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：

) d7 M# [' g0 A# H

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

( z/ D: d H6 \; M, l, G( A" V

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。

( p% w/ K' y2 [/ r9 q9 q) ~

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）

0 f; n! S+ w0 G. d

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：

①简单常用的填色图：

import proplot as plot import numpy as np 3 |6 g% I/ y2 m- ? # 创建虚拟数据 offset = -40 lon = plot.arange(offset, 360 + offset - 1, 60) 8 _% Y9 M' h( i% j3 H6 W' P% K0 ] lat = plot.arange(-60, 60 + 1, 30) ' c0 B1 d9 N3 ]: `3 j& k4 j state = np.random.RandomState(51423) 0 Y! V- g( U/ s# G- b. q' R data = state.rand(len(lat), len(lon)) # Z0 }) j+ `9 X' S( V9 g: M5 V4 j 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) axs.format( abc=True,abcloc=ul,abcsize=30, abcstyle=a), gridlabelsize=18, * J+ U; u! i7 A7 e labels=True, lonlines=30, latlines=20, coast=True,gridminor=True,coastlinewidth=1, ( i3 L' j# M/ `$ {: m suptitle=Contourf,suptitlesize=20, rowlabels=[Cartopy example], collabels=[Contourf, Pcolormesh]) 6 R$ |: M% \2 z cmap=plot.Colormap(Div, gamma=0.6)#gamma提高颜色深度 m = axs[0].contourf(lon, lat, data, cmap=cmap, extend=both) % [% ?4 }. Y- E7 e+ F- h# e: | axs[1].pcolor(lon, lat, data, cmap=cmap, extend=both) ' f2 y. D4 _4 [; E; X5 |" ^ - h# W. ] ~0 _( x' ?* D, S; i fig.colorbar(m, loc=b, label=State, labelsize=20,ticklabelsize=18, extendsize=1.7em) fig.save(rC:\Users\59799\Desktop\image.png, + }1 ]1 G/ @; z5 | dpi=600) plot.close()

* v6 d9 N- X* u8 g: u- d( r. m

②子图特殊布局：

: Z0 l6 O5 n3 `1 V, }3 @( D

import proplot as plot 7 e3 x1 F* w5 q) i% V import numpy as np # 创建虚拟数据 offset = -40 lon = plot.arange(offset, 360 + offset - 1, 60) / s9 ?4 B' q& c+ }$ F0 I$ f lat = plot.arange(-60, 60 + 1, 30) . Y \6 ?8 D- Z6 Y* V9 b5 `1 m! T state = np.random.RandomState(51423) data = state.rand(len(lat), len(lon)) subplot_array = [[0,1,1,0], 8 Z9 ?! m& g. ^) f7 { [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 + c U( q7 V: ?0 X proj = plot.Proj(cyl) fig, axs = plot.subplots(subplot_array, axwidth=6, proj=proj) 0 ? `7 F+ H( \ _3 Y3 x axs.format( abc=True,abcloc=ul,abcsize=30, abcstyle=a), gridlabelsize=18, labels=True, lonlines=30, latlines=20, : z- p( e) l4 J) R coast=True,gridminor=True,coastlinewidth=1) % v, c" E* s2 r' K cmap=plot.Colormap(Div, gamma=0.6)#gamma提高颜色深度 2 n( l! r5 ]! a2 ?: b m = axs[0].contourf(lon, lat, data, cmap=cmap, extend=both) % I+ @, E0 X! H6 i, `9 ^ axs[0].format(title = subplot 1, titlesize=20) axs[1].pcolor(lon, lat, data, cmap=cmap, extend=both) ' K' |: V: c: _+ t- d* T* K/ B axs[1].format(title = subplot 2, titlesize=20) / f& i0 b) J3 R6 _# b0 O9 o $ C" P, Z" }( J, @ axs[2].contour(lon, lat, data, extend=both) axs[2].format(title = subplot 2, titlesize=20) fig.colorbar(m, loc=b, label=State, labelsize=20,ticklabelsize=18, extendsize=1.7em) : F0 d& k% \& R3 F! I% l fig.save(rC:\Users\59799\Desktop\image.png, dpi=600) # W6 |0 L2 R, u( E% L 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。

: R6 [5 o9 g. C8 F" e2 ]) s

②format方法可以针对不同的子图设置不同格式，例如：

# Z8 B7 X' _) m7 r1 H3 Z9 f

axs.format(...)#设置全部子图 axs[0:2].format(...)#设置第1张和第2张子图 1 U# t" [- I3 t1 z axs[0].format(...)#设置第1张子图

' K$ m0 v* Q# [6 H# C

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。