海洋数据处理软件 -海洋数据分析收费标准

~. s$ X# Y$ U6 d. S

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。

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

1 u4 d N/ d6 F0 R

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/

0 j2 w3 X+ O. x

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：

0 H }4 f! K L

①简单常用的填色图：

import proplot as plot 9 j4 ]$ C5 P$ h- h6 F import numpy as np , p( G" A/ L/ C/ I5 \' K; ^5 R1 } # 创建虚拟数据 offset = -40 lon = plot.arange(offset, 360 + offset - 1, 60) # {4 w4 M3 P/ r- q lat = plot.arange(-60, 60 + 1, 30) 9 X% h: n9 E3 Z: A! [( J' b state = np.random.RandomState(51423) " r; T+ {& {0 t( c+ j, L& e data = state.rand(len(lat), len(lon)) 9 X) H& c" y0 ?' }8 @& h% }% r$ _ 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, labels=True, lonlines=30, latlines=20, coast=True,gridminor=True,coastlinewidth=1, 0 N J3 n, ?) i suptitle=Contourf,suptitlesize=20, rowlabels=[Cartopy example], collabels=[Contourf, Pcolormesh]) cmap=plot.Colormap(Div, gamma=0.6)#gamma提高颜色深度 Q3 G' [! K' F$ Y4 p1 F; T! J1 C m = axs[0].contourf(lon, lat, data, cmap=cmap, extend=both) ! |3 D% X! v- h- L G. m axs[1].pcolor(lon, lat, data, cmap=cmap, extend=both) # \" g- J0 [& P9 e& b fig.colorbar(m, loc=b, label=State, $ A' \' S4 V! G. \: A( x: U# J* M labelsize=20,ticklabelsize=18, extendsize=1.7em) fig.save(rC:\Users\59799\Desktop\image.png, dpi=600) plot.close() W& ^ e3 P% m' `

; y& Y5 \% p" O- J6 B8 L/ W d

②子图特殊布局：

import proplot as plot import numpy as np + @/ l3 ^8 L5 {+ U8 Z # 创建虚拟数据 ) O# E1 w8 ^* }% H% \ offset = -40 lon = plot.arange(offset, 360 + offset - 1, 60) ( W. u1 Z" I5 c$ H1 Y& \% v' q lat = plot.arange(-60, 60 + 1, 30) 1 I; w2 Z. m0 x& T8 ?. z- o1 T$ b state = np.random.RandomState(51423) 2 s4 W% a/ ~2 P1 B2 z/ J1 G5 p) e data = state.rand(len(lat), len(lon)) + R: D' M z' z$ A4 a 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... plot.rc.reso = lo#海岸线可以不同分辨率 hi med lo x-hi xx-hi 1 q9 @, m3 j: @1 |. R# G6 p, m proj = plot.Proj(cyl) . r; e, M: W( ~. X fig, axs = plot.subplots(subplot_array, axwidth=6, proj=proj) 1 n7 K( `* {9 S" l. { axs.format( ; Q$ i; M q( [ abc=True,abcloc=ul,abcsize=30, abcstyle=a), gridlabelsize=18, - ]: c0 G( X* X- K labels=True, lonlines=30, latlines=20, coast=True,gridminor=True,coastlinewidth=1) cmap=plot.Colormap(Div, gamma=0.6)#gamma提高颜色深度 ! h9 [% \( A$ f. O$ F* A3 A m = axs[0].contourf(lon, lat, data, cmap=cmap, extend=both) axs[0].format(title = subplot 1, titlesize=20) 4 N2 h6 J' U+ U! x3 R; Z+ P7 ? axs[1].pcolor(lon, lat, data, cmap=cmap, extend=both) 8 f0 M) K" ~8 c4 q: b& N8 r+ v axs[1].format(title = subplot 2, titlesize=20) ( e3 F! N' J2 K* X axs[2].contour(lon, lat, data, extend=both) axs[2].format(title = subplot 2, titlesize=20) % n, l* ]) z6 ` 3 U( F; \! N( D) K- ~( S: j fig.colorbar(m, loc=b, label=State, labelsize=20,ticklabelsize=18, extendsize=1.7em) fig.save(rC:\Users\59799\Desktop\image.png, / L: r6 H$ S1 V dpi=600) + L( p3 o7 k+ @& V9 l) u, b plot.close()

C3 K8 k& i2 F

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。

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 axs[0:2].format(...)#设置第1张和第2张子图 1 H$ t( C3 | T2 r- B/ q! d2 o. d+ m 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

7 B! N8 i1 q% s

④现在Proplot中还包含着basemap，个人不太推荐使用。

' A' }1 P4 d* N6 v: V/ k1 F