Python4：Cartopy和matplotlib包绘制地图和时间序列图

温馨提示

（1）本号分享的有关python的经验方法都是基于anaconda下载的库包（conda install 库包名 或 cmd 命令 pip install 库报名），以及使用anaconda里的spyder(python3.8)编辑和运行代码。

（2）所有的代码都是经过了spyder(python3.8)正常运行得出结果的，可以放心使用，也欢迎交流和讨论。

（3）使用的软件以及不同版本，都有可能会导致代码运用出现问题（不代表分享的代码有问题或是错误的。），关于不同版本运行本号分享的代码出现问题，请自行网上搜索解决办法解决。

（4）如有转载或分享请注明出处，尊重本号版权和辛劳，谢谢！如有侵权敬请联系删除。

8 f0 g4 T  e: s$ I, \' q5 t2 z

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。

绘制简单地图

Cartopy公开了一个接口，可以使用matplotlib轻松创建地图。创建基本地图非常简单，只需告诉Matplotlib使用特定的地图投影，然后在轴上添加一些海岸线：

1. 使用anaconda安装Cartopy库：

• 
  7 s- A5 L. l# `* i' d8 w
  

conda install Cartopy
) N6 q* |' v! r" t& W

( n* }7 a, t1 W' `
8 ^8 c( F5 j" D
3 I4 D$ m" K& q, K% Z: {0 k" D

2. 使用matplotlib.pyplot（plt）绘图：

例1：

• 
  
• 
  2 Z$ v2 M2 c% X+ t
• 
  
• 
  
• 
  9 L- G+ c/ z& s+ }1 J
• 
  
  6 ?2 X' V, d0 I

import cartopy.crs as ccrsimport matplotlib.pyplot as plt#一种投影ax = plt.axes(projection=ccrs.PlateCarree())ax.coastlines()plt.show()

---

• 
  ; z1 y- }, S* D- p1 e. X& z" g
• 
  6 W7 E! o1 b- y2 ~& K) z2 k3 G
• 
  9 X- E: S- S( L3 D3 k" _( M+ q7 P
• 
  7 p  r5 |& `. @/ [% s. Z
• 
  
• 
  
  

import cartopy.crs as ccrsimport matplotlib.pyplot as plt#换一种投影ax = plt.axes(projection=ccrs.Mollweide())ax.stock_img()plt.show()
5 _& D$ \9 y' u  E6 k

图形保存方式：

• 
  1 A5 d( @- g0 l0 r2 r
• 
  " z. R7 M" a# `
• 
  
  

# Save the plot by calling plt.savefig() BEFORE plt.show()plt.savefig('coastlines.pdf')  #保存为pdf格式的文件plt.savefig('coastlines.png')  ##保存为png格式的图片
4 Y% Y2 @0 }4 E3 M# j# n& |; [* y$ Y

1 L( c4 q0 x" Q' E

绘制时间序列图

例：以三角函数为例绘图

• 
  
• 
  
• 
  7 \2 l2 l2 W% ?
• 
  
• 
  4 ?" A: E, ^5 S% Z( e' H; Q
• 
  
• 
  
• 
  $ s/ j. A7 W: _5 v
• 
  
• 
  / M8 c7 ~* z$ e" ^3 j
• 
  3 A( V4 D3 o" e
• 
  2 N- ~" J) c$ b7 p' O: ~
• 
  4 D! x7 B  _1 o
• 
  ( P3 V2 y. n; Z$ q! X) `; t! {
• 
  5 [7 v5 v6 R+ g' h# L' i
• 
  
• 
  ) X6 U  H  _! P# S! I5 z3 f, }, t  W+ ^
• 
  
• 
  
• 
  
  2 y, _2 E4 d5 D7 l+ o; M8 D

import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei']  # 中文字体设置-黑体plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题x = np.arange(-2*np.pi, 2*np.pi, 0.01)  #设值y1 = np.sin(x)y2 = np.cos(x)plt.figure(figsize=(10, 7))  #画布大小plt.plot(x, y1, label='$sinx$')  #绘制sin曲线plt.plot(x, y2, label='$cosx$')  #绘制cos曲线plt.legend(loc='upper right')  #图例plt.xlim(-2*np.pi-1, 2*np.pi+3)plt.xticks([-2*np.pi, -np.pi, 0, np.pi, 2*np.pi], ['$-2\pi$', '$-\pi$', '$0$', '$\pi$', '$2\pi$'])plt.title('三角-函数')plt.xlabel('横坐标')plt.ylabel('纵坐标')plt.axhline(y=0, c='black')plt.show()
, t7 U+ ~; W$ r; r/ U1 V

- }: J( `1 `5 L9 g+ ^" s* F

                               
登录/注册后可看大图

以某地1979-2019年平均气温为例绘制两个站点气温时间序列的子区域图：

数据内容如下：

• 
  5 D; h: P6 @/ l, D, X) s
• 
  
• 
  
• 
  
• 
  ( |# V+ E3 G4 s& F, ^
• 
  - a0 r( m; J3 q4 U
• 
  " c: x4 B3 h1 A1 w3 Y/ j; v
• 
  
• 
  # T+ T: w2 }0 P, s+ t( x( }
• 
  
• 
  
• 
  : g' Q. B/ T* y! p% W# g* a9 ]
• 
  4 ~$ _9 k- [" t9 l1 A1 f/ ^
• 
  
• 
  
• 
  , m! }! _1 H6 X$ e: v+ G4 x
• 
  
• 
  
• 
  / W+ |/ E! c" g. L: u0 T: \; c
• 
  / l" D7 z+ C$ s' F( J% G
• 
  ! n& x, O# T+ z8 j  _
• 
  " m$ q, W  B& _9 H
• 
  * d) n9 K& i" _0 {( f7 L4 Z
  ( b, e9 s/ u4 h- N, u6 \0 l2 ^

import pandas as pdimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei']  # 中文字体设置-黑体plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题#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.sta2plt.figure(figsize=(10, 7))  #画布大小plt.plot(x, y1, 'r',  label='$sta1$')  #绘制sin曲线plt.plot(x, y2, 'b', label='$sta2$')  #绘制cos曲线plt.legend(loc='upper left')  #图例plt.title('1979-2019 annual mean temperature')plt.xlabel('year')plt.ylabel('tem')plt.show()

" _& ~  v9 E+ L! Q7 R3 j

                               
登录/注册后可看大图

使用matplotlib.pyplot(plt)进行绘图时，直接使用plt里的函数：使用面向对象的方法，先产生一个Axes对象，再对此对象进行操作，实现绘图。