海洋数据处理软件 -海洋数据分析收费标准

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。

5 p+ h: k. X2 R2 T( t4 ~

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

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）

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

6 n7 K T7 i& ^% P/ f5 M

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 ) a7 ~/ F( K* \! Y+ r/ r4 C6 H import numpy as np # 创建虚拟数据 offset = -40 * L; S) x! `! o' ~ lon = plot.arange(offset, 360 + offset - 1, 60) lat = plot.arange(-60, 60 + 1, 30) 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) 4 h! M3 F: K' I" ] fig, axs = plot.subplots(nrows=1, ncols=2, axwidth=6, proj=proj) / v$ r+ R7 X" J9 Y. R5 G axs.format( abc=True,abcloc=ul,abcsize=30, abcstyle=a), gridlabelsize=18, z& c; M/ F8 u2 T4 v labels=True, lonlines=30, latlines=20, coast=True,gridminor=True,coastlinewidth=1, suptitle=Contourf,suptitlesize=20, rowlabels=[Cartopy example], $ v" k. m$ h; ?3 ^( E6 T collabels=[Contourf, Pcolormesh]) cmap=plot.Colormap(Div, gamma=0.6)#gamma提高颜色深度 ( W( W% R: o2 l6 p6 F1 _+ v0 U m = axs[0].contourf(lon, lat, data, cmap=cmap, extend=both) axs[1].pcolor(lon, lat, data, cmap=cmap, extend=both) fig.colorbar(m, loc=b, label=State, : X3 P8 w5 f# M9 O labelsize=20,ticklabelsize=18, extendsize=1.7em) fig.save(rC:\Users\59799\Desktop\image.png, , |+ A2 y/ o, h* y1 u B dpi=600) 1 L* G2 y' R2 Z0 v9 Y5 P' P) X- ?$ ] plot.close()

4 X6 ^% f% B% a$ T7 i: k7 L _ K

②子图特殊布局：

" l# _; Y. ?5 z3 ?, ^' Y% _, V

import proplot as plot import numpy as np ) J8 N* A9 ?; F 0 a) h" P c- {* _4 ?: } # 创建虚拟数据 * \) W( s# Z& ~ } offset = -40 & w) k9 _& g" N% M$ i" h lon = plot.arange(offset, 360 + offset - 1, 60) lat = plot.arange(-60, 60 + 1, 30) 3 y0 F# ?- j5 ~. u4 G- R9 e state = np.random.RandomState(51423) data = state.rand(len(lat), len(lon)) }! K% j$ z% u - g! B3 N) c- ^ x9 ~$ N" ~ subplot_array = [[0,1,1,0], [2,2,3,3]] #0表示没有图片 1 2 3...表示子图1 2 3... 1 B# V" F `! q8 n ) j4 d, U* P+ y7 N/ A% ^ plot.rc.reso = lo#海岸线可以不同分辨率 hi med lo x-hi xx-hi 9 j% V8 q, ]1 J3 m& ], x3 D proj = plot.Proj(cyl) fig, axs = plot.subplots(subplot_array, axwidth=6, proj=proj) axs.format( , @8 V0 U$ v9 q" ]+ A% F abc=True,abcloc=ul,abcsize=30, abcstyle=a), gridlabelsize=18, labels=True, lonlines=30, latlines=20, ) `9 R A8 c, Q+ f+ ~, j3 u coast=True,gridminor=True,coastlinewidth=1) cmap=plot.Colormap(Div, gamma=0.6)#gamma提高颜色深度 ; f, b. y S- e m = axs[0].contourf(lon, lat, data, cmap=cmap, extend=both) axs[0].format(title = subplot 1, titlesize=20) 6 t+ q# W/ _- f" u; e 8 Z1 R1 h! b1 C axs[1].pcolor(lon, lat, data, cmap=cmap, extend=both) + T8 r% G) {$ b" v3 w6 B& e axs[1].format(title = subplot 2, titlesize=20) 7 [3 l$ s# T1 F+ p axs[2].contour(lon, lat, data, extend=both) 6 i# ]! i5 i6 { axs[2].format(title = subplot 2, titlesize=20) fig.colorbar(m, loc=b, label=State, labelsize=20,ticklabelsize=18, extendsize=1.7em) 5 i1 @8 i# n8 \9 P fig.save(rC:\Users\59799\Desktop\image.png, dpi=600) plot.close()

0 v' {& U+ J- z+ d0 O6 ]0 v

使用技巧：

9 Y* A5 N5 Z9 q9 a

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。

) A! t' J V0 x0 a* h9 [7 R; ~# P, c2 V

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 $ }% ?+ b0 d$ o# o3 p. J axs[0:2].format(...)#设置第1张和第2张子图 axs[0].format(...)#设置第1张子图

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。

/ o; W! \0 U$ U* O8 r9 g2 d