基于cartopy绘制contour并对中国地区进行白化（包含南海）

1. 写在前面

利用cartopy画填色图已经掌握，这一篇主要记录了在填色的基础上叠加白化。主要参考了气象家园的两篇帖子，并进行了整理绘图。帖子1 http://bbs.06climate.com/forum.php?mod=viewthread&tid=100563&highlight=%B0%D7%BB%AF 主要总结了论坛里的几种白化方法，并提供了maskout.py文件，本人主要采用了第四种方法，测试数据也从那获取。帖子2 http://bbs.06climate.com/forum.php?mod=viewthread&tid=100551&highlight=cartopy 主要获取了各种shp文件，感谢大神们！

2. 效果图

先看效果图，（a）©两图给出了完整的中国地图和完整的南海九段线，其中（a）添加了海岸线；（b）(d)两图中南海被放到了右下角，这也是常用的方法。

3. 导入库

主要用的库有读取netcdf的库，绘图的cartopy和matplotlib。最重要的是maskout.py这个库，可以从帖子1中第四种方法中获取。

import os
import maskout
from netCDF4 import Dataset
import numpy as np
import matplotlib as mpl
import cartopy.crs as ccrs
import cartopy.feature as cfeature
from cartopy.mpl.gridliner import LONGITUDE_FORMATTER, LATITUDE_FORMATTER
from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter
from cartopy.io.shapereader import Reader
import matplotlib.pyplot as plt
import matplotlib.ticker as mticker

4. 读取数据

测试数据在帖子1中获取，shp文件在帖子2中获取，不再重复。感谢两位楼主大佬。

## 读数据
f = Dataset(r'2019-06-01-1-5.nc')
lat = f.variables['latitude'][:]
lon = f.variables['longitude'][:]
t = f.variables['t'][2,1,:,:]  # 气温
##########################################################
#白化中国地图，加南海九段线，加海岸线
SHP = r'C:\Users\qiuyu\.local\share\cartopy\shapefiles\natural_earth\cultural\china_shp'

5. 定义绘图函数

这一部分的思路就是，先绘制标准地图和标准的填色图，然后利用maskout.shp2clip进行白化，把中国地图以外的区域的填色给取消。可以选择添加或者不添加海岸线。

def make_map(ax,box,lon,lat,var,proj,title,if_coast, if_nanhai):projection = ccrs.PlateCarree()# 加国界ax.add_geometries(Reader(os.path.join(SHP, 'cnmap.shp')).geometries(),ccrs.PlateCarree(),facecolor='none',edgecolor='k', linewidth=0.7)# 加海岸线if if_coast:ax.add_geometries(Reader(os.path.join(SHP, 'coastline.shp')).geometries(),ccrs.PlateCarree(),facecolor='none',edgecolor='k', linewidth=0.7)#标注坐标轴ax.set_extent([box[0],box[1],box[2],box[3]])ax.set_xticks(np.linspace(box[0], box[1],5), crs=projection) ax.set_yticks(np.linspace(box[2], box[3],5), crs=projection)#zero_direction_label=True 有度的标识，False则去掉'''lon_formatter = LongitudeFormatter(zero_direction_label=True) lat_formatter = LatitudeFormatter()ax.xaxis.set_major_formatter(lon_formatter)ax.yaxis.set_major_formatter(lat_formatter)#添加网格线ax.gridlines(linestyle='--',alpha=0.4)   # plot cf = ax.contourf(lon,lat,var,cmap = mpl.cm.RdBu_r,transform=ccrs.PlateCarree())  plt.colorbar(cf,ax=ax, extend='both',orientation='vertical') maskout.shp2clip(cf,ax,shpfile=os.path.join(SHP, 'country1.shp'),region='China',proj= proj)ax.set_title(title)return ax

6. 绘图

定义经纬度区间，建立画布和轴，调用make_map函数进行画图。此时，画出的（b）（d）两图没有包含南海小地图。

box1=[70,140,0,50]   #经纬度范围
box2=[70,140,15,50]  #经纬度范围
proj=ccrs.PlateCarree()
fig = plt.figure(figsize=(15,7))ax1 = fig.add_subplot(221,projection = ccrs.PlateCarree())
ax2 = fig.add_subplot(222,projection = ccrs.PlateCarree())
ax3 = fig.add_subplot(223,projection = ccrs.PlateCarree())
ax4 = fig.add_subplot(224,projection = ccrs.PlateCarree())make_map(ax1,box1,lon,lat,t,proj,title='(a) With coastline',if_coast=True, if_nanhai=True)
make_map(ax2,box2,lon,lat,t,proj,title='(b) With coastline + Nanhai',if_coast=True, if_nanhai=False)
make_map(ax3,box1,lon,lat,t,proj,title='(c) Without coastline',if_coast=False, if_nanhai=False)
make_map(ax4,box2,lon,lat,t,proj,title='(d) Without coastline + Nanhai',if_coast=False, if_nanhai=True)

7. 添加南海小地图

添加南海小地图的思路就是（1）先用fig.add_axes生成新的ax_nanhai插入到figure中，插入的位置由pos确定；（2）然后再重复画大地图的方法，用ax_nanhai绘制，选定新的区域（box_nanhai）。

#----------添加南海小地图------------------
def add_nanhai (ax,pos,if_coast):#--------------右下角添加南海地图------------------------------------------box_nanhai=[103,125,2,25]ax_nanhai = fig.add_axes(pos,projection = ccrs.PlateCarree())# 加国界ax_nanhai.add_geometries(Reader(os.path.join(SHP, 'cnmap.shp')).geometries(),ccrs.PlateCarree(),facecolor='none',edgecolor='k', linewidth=0.7)if if_coast:ax_nanhai.add_geometries(Reader(os.path.join(SHP, 'coastline.shp')).geometries(),ccrs.PlateCarree(),facecolor='none',edgecolor='k', linewidth=0.7)ax_nanhai.set_extent([box_nanhai[0],box_nanhai[1],box_nanhai[2],box_nanhai[3]])pos1 = [0.757, 0.54, 0.1, 0.1]  #南海小地图在figure中的位置和大小
pos2 = [0.757, 0.124, 0.1, 0.1]
add_nanhai(ax2,pos1,if_coast=True)
add_nanhai(ax4,pos2,if_coast=False)plt.savefig('map.png')

8. 完整代码

import os
import maskout
from netCDF4 import Dataset
import numpy as np
import matplotlib as mpl
import cartopy.crs as ccrs
import cartopy.feature as cfeature
from cartopy.mpl.gridliner import LONGITUDE_FORMATTER, LATITUDE_FORMATTER
from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter
from cartopy.io.shapereader import Reader
import matplotlib.pyplot as plt
import matplotlib.ticker as mticker##########################################################
## 读数据
f = Dataset(r'2019-06-01-1-5.nc')
lat = f.variables['latitude'][:]
lon = f.variables['longitude'][:]
t = f.variables['t'][2,1,:,:]  # 气温
##########################################################
#白化中国地图，加南海九段线，加海岸线
SHP = r'C:\Users\qiuyu\.local\share\cartopy\shapefiles\natural_earth\cultural\china_shp'def make_map(ax,box,lon,lat,var,proj,title,if_coast, if_nanhai):projection = ccrs.PlateCarree()# 加国界ax.add_geometries(Reader(os.path.join(SHP, 'cnmap.shp')).geometries(),ccrs.PlateCarree(),facecolor='none',edgecolor='k', linewidth=0.7)# 加海岸线if if_coast:ax.add_geometries(Reader(os.path.join(SHP, 'coastline.shp')).geometries(),ccrs.PlateCarree(),facecolor='none',edgecolor='k', linewidth=0.7)#标注坐标轴ax.set_extent([box[0],box[1],box[2],box[3]])ax.set_xticks(np.linspace(box[0], box[1],5), crs=projection) ax.set_yticks(np.linspace(box[2], box[3],5), crs=projection)#zero_direction_label=True 有度的标识，False则去掉'''lon_formatter = LongitudeFormatter(zero_direction_label=True) lat_formatter = LatitudeFormatter()ax.xaxis.set_major_formatter(lon_formatter)ax.yaxis.set_major_formatter(lat_formatter)#添加网格线ax.gridlines(linestyle='--',alpha=0.4)   # plot cf = ax.contourf(lon,lat,var,cmap = mpl.cm.RdBu_r,transform=ccrs.PlateCarree())  plt.colorbar(cf,ax=ax, extend='both',orientation='vertical') maskout.shp2clip(cf,ax,shpfile=os.path.join(SHP, 'country1.shp'),region='China',proj= proj)ax.set_title(title)return ax# make plot box1=[70,140,0,50]
box2=[70,140,15,50]
proj=ccrs.PlateCarree()
fig = plt.figure(figsize=(15,7))ax1 = fig.add_subplot(221,projection = ccrs.PlateCarree())
ax2 = fig.add_subplot(222,projection = ccrs.PlateCarree())
ax3 = fig.add_subplot(223,projection = ccrs.PlateCarree())
ax4 = fig.add_subplot(224,projection = ccrs.PlateCarree())make_map(ax1,box1,lon,lat,t,proj,title='(a) With coastline',if_coast=True, if_nanhai=True)
make_map(ax2,box2,lon,lat,t,proj,title='(b) With coastline + Nanhai',if_coast=True, if_nanhai=False)
make_map(ax3,box1,lon,lat,t,proj,title='(c) Without coastline',if_coast=False, if_nanhai=False)
make_map(ax4,box2,lon,lat,t,proj,title='(d) Without coastline + Nanhai',if_coast=False, if_nanhai=True)#----------添加南海小地图------------------
def add_nanhai (ax,pos,if_coast):#--------------右下角添加南海地图------------------------------------------box_nanhai=[103,125,2,25]ax_nanhai = fig.add_axes(pos,projection = ccrs.PlateCarree())# 加国界ax_nanhai.add_geometries(Reader(os.path.join(SHP, 'cnmap.shp')).geometries(),ccrs.PlateCarree(),facecolor='none',edgecolor='k', linewidth=0.7)if if_coast:ax_nanhai.add_geometries(Reader(os.path.join(SHP, 'coastline.shp')).geometries(),ccrs.PlateCarree(),facecolor='none',edgecolor='k', linewidth=0.7)ax_nanhai.set_extent([box_nanhai[0],box_nanhai[1],box_nanhai[2],box_nanhai[3]])pos1 = [0.757, 0.54, 0.1, 0.1]
pos2 = [0.757, 0.124, 0.1, 0.1]
add_nanhai(ax2,pos1,if_coast=True)
add_nanhai(ax4,pos2,if_coast=False)plt.savefig('map.png')

Python气象数据可视化学习笔记5——基于cartopy绘制contour并对中国地区进行白化（包含南海）相关推荐

python气象数据可视化学习笔记6——利用python地图库cnmaps绘制地图填色图并白化
文章目录 1. 效果图 2. cnmaps简介及安装 2.1 写在前面 2.2 cnmaps简介和安装 3. 导入库 4. 定义绘图函数 4.1 使用get_adm_maps返回地图边界 4.2 ax ...
python气象数据可视化学习笔记7——利用cartopy+cnmaps和ERA5数据绘制填色图并对中国地区白化
文章目录 1. 效果图 2. 绘制基于中国地区的填色图(大地图) 3. 添加南海小地图 4. 读取数据并传入绘图函数 5. 代码完整版 1. 效果图前序博文cnmaps填色图介绍了cnmaps在线地 ...
python气象数据可视化学习记录1——基于ERA5数据画风场和海平面气压填色叠加图
python气象数据可视化学习记录1--基于ERA5数据画风场和海平面气压填色叠加图 1. 写在前面 2. 图片效果 3. 逐步代码解析 3.1导入库 3.2 读取NC格式数据 3.3 对数据进行加工 ...
ECharts数据可视化学习笔记和应用
ECharts数据可视化学习笔记和应用一.概念二.Echarts使用使用步骤三.Echarts-基础配置四.柱状图图表1 五.柱状图图表2 六.折线图1 七.折线图2 八.饼状图1 九.饼形 ...
R语言可视化学习笔记之ggridges包绘制山峦图
作者:严涛浙江大学作物遗传育种在读研究生(生物信息学方向)伪码农,R语言爱好者,爱开源. 严涛老师的绘图教程还有: gganimate |诺奖文章里面的动图绘制教程来了!! ggplot2学习笔记之 ...
python生物数据分析_Python学生物统计-数据可视化-学习笔记5
5.1 作图的重要性在分析一个数据之前, 我们首先要对数据进行检查, 在统计上看一下汇总统计, 比如最大值, 最小值, 中位数, 平均值, 方差, 标准差, 变异系数等等.直方图, 看一下数据的分布 ...
Python数据可视化学习笔记：第一章关联图第四节使用Python绘制一般气泡图
前言声明:这个系列的博文都是我自己学习所得的东西,秉承着每天进步一点点的理念进行学习,我参考的课程是<菊安酱与菜菜的Python机器学习可视化50图>,使用的Python版本为3.6.4 ...
[转载] Python数据分析与可视化学习笔记（一）数据分析与可视化概述
参考链接: Python | 数据分析的数学运算数据分析与可视化(一) 1.1 数据分析1.1.1 数据.信息与数据分析1.1.2数据分析与数据挖掘的区别1.1.3数据分析的流程 1.2 数据可视化 ...
Python数据分析与可视化学习笔记（一）数据分析与可视化概述
数据分析与可视化(一) 1.1 数据分析 1.1.1 数据.信息与数据分析 1.1.2数据分析与数据挖掘的区别 1.1.3数据分析的流程 1.2 数据可视化 1.3 数据分析与可视化常用工具 1.4 ...

Python气象数据可视化学习笔记5——基于cartopy绘制contour并对中国地区进行白化（包含南海）