【气候软件】Python6：Cartopy和matplotlib包绘制气象图中图

气象数据可视化主要依靠matplotlib做绘图，其他库包为辅助，包括数据处理的，地理信息处理的等等。

绘图主要有六步（“六部曲”）（不是绝对的方法，视具体情况使用）:

• 引入库包：import matplotlib.pyplot as plt

• 设定画布：fig=plt.figure()

• 导入数据：之前已有介绍导入nc文件格式数据（【气候软件】Python读取气象数据 NetCDF文件（***.nc））和导入txt文本格式数据（【气候软件】Python2：读取TXT文本格式的数据）。

• 线图命令：plt.plot(x,y,lw=,ls=，c=,alpha=)

• 出图：plt.show()

• 存图：fig.savefig("···")

  
  

只要按照以上六步，基本绘图没有问题！！！

# V% z8 n% k* A4 r" C% `
  Q* K3 _* }5 l/ W/ P3 y) o

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。

) j9 s4 g9 y) k, N

绘制简单气象地图

Cartopy公开了一个接口，可以使用matplotlib轻松创建地图。

1. 使用anaconda安装Cartopy库：

• 
  
  $ f: N, N0 A- f% q$ l/ `+ c( u- \: m

conda install Cartopy

2 u* K7 R& x1 y) B& s# L
7 |" @; h1 Z, `3 z0 o
  o) D7 ^( F8 |2 ~; L

2. 工作在多图形(figures)和多坐标系(axes)

MATLAB和pyplot都有当前图形(figure)和当前坐标系(axes)的概念。所有的绘图命令都是应用于当前坐标系的。gca()和gcf()(get current axes/figures)分别获取当前axes和figures的对象。通常，你不用担心这些，因为他们都在幕后被保存了，下面是一个例子，创建了两个子绘图区域(subplot)：

例：绘制图中图

• 
  ! _" K9 |$ G( B* W0 D& \  A, b! y
• 
  
• 
  , I) `2 a4 c1 W
• 
  
• 
  
• 
  
• 
  0 v( P+ s6 k/ D* v/ Z7 n) M8 |" I5 R
• 
  
• 
  
• 
  + Y# Z) M8 q4 ]* T* n
• 
  
• 
  : k; Z% S& Z, J. ^& E$ w" l! v
• 
  1 \) G- j8 U0 Z# |% t% L
• 
  ; F0 L: O* |5 T2 f  ]  }
• 
  
• 
  - z  C; Q$ y/ G0 M
• 
  ) a( `; _% O8 z$ }
• 
  
• 
  
• 
  
• 
  - {9 O/ _' @  `$ M8 e0 G
• 
  0 H+ C0 {  k4 j. F2 U
• 
  
• 
  9 C+ C$ F9 v8 s* G# @
• 
  8 r; D* b& ~" M" \
• 
  # V/ j! [1 B, R' n$ F
• 
  
• 
  
  , g# ]! ~5 S3 [# X3 M  f' E

importnumpy asnpimportmatplotlib.pyplot aspltimportpandas aspd#新建figurefig = plt.figure()  #默认的画布大小#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.sta2#新建区域ax1#figure的百分比,从figure 10%的位置开始绘制, 宽高是figure的80%left, bottom, width, height = 0.1, 0.1, 0.8, 0.8#获得绘制的句柄ax1 = fig.add_axes([left, bottom, width, height])ax1.plot(x, y1, 'r')ax1.set_title('station1 annual mean temperature')#新增区域ax2,嵌套在ax1内，看一看图中图是什么样，这就是与subplot的区别left, bottom, width, height = 0.62, 0.15, 0.25, 0.25#获得绘制的句柄ax2 = fig.add_axes([left, bottom, width, height])ax2.plot(x, y2, 'b')ax2.set_title('station2 annual mean temperature')plt.show()
, W7 B$ c/ v, o9 ?/ e0 k% ~$ M

* t: e: y* a+ E3 D

1 X6 h) S1 {! u5 ^/ g3 W