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。

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：

+ b1 U' F o7 ~2 L, D! X1 I7 r$ ]

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。

# p! U7 C4 u1 ]" Z

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/

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：

/ q- ~6 q1 R: b8 {$ e$ u% \; j

import proplot as plot ' i! h: ^3 A2 V3 g% y import numpy as np # 创建虚拟数据 offset = -40 - a" B8 o, {. I lon = plot.arange(offset, 360 + offset - 1, 60) 7 P( c( y4 k( ]) d4 S+ M5 y. Y8 K lat = plot.arange(-60, 60 + 1, 30) state = np.random.RandomState(51423) + t' j% R! J* Y9 L: V3 P( s data = state.rand(len(lat), len(lon)) 6 Y+ m, l1 Q X5 X3 q [ 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) 8 \0 _8 o8 t0 X" \- F, z4 t8 ]9 R axs.format( 6 m1 d% @$ d8 A3 ]9 t abc=True,abcloc=ul,abcsize=30, abcstyle=a), gridlabelsize=18, labels=True, lonlines=30, latlines=20, ! K8 ?, n( U3 B coast=True,gridminor=True,coastlinewidth=1, 6 @* `5 k+ |3 } suptitle=Contourf,suptitlesize=20, rowlabels=[Cartopy example], collabels=[Contourf, Pcolormesh]) cmap=plot.Colormap(Div, gamma=0.6)#gamma提高颜色深度 2 b: L6 \! b W+ k m = axs[0].contourf(lon, lat, data, cmap=cmap, extend=both) s2 Y7 m9 Z# b+ M axs[1].pcolor(lon, lat, data, cmap=cmap, extend=both) fig.colorbar(m, loc=b, label=State, labelsize=20,ticklabelsize=18, extendsize=1.7em) fig.save(rC:\Users\59799\Desktop\image.png, 7 [8 B/ v4 X6 m- F7 Z3 p1 r' Q, Q dpi=600) % G" J" P/ f& ?+ m- u2 Q% t plot.close()

2 Y. F9 Y. l. h4 [0 F

②子图特殊布局：

7 A7 L4 N) B( q" c8 N* V

import proplot as plot * \/ o) p" d" E0 W' o3 J import numpy as np 7 t% X1 h) v n3 _7 A% Y2 [# m$ H5 g 7 n W# ]- F2 e p5 {7 I # 创建虚拟数据 ' M' f- A( }. L offset = -40 % q+ g3 P/ O) R8 S i lon = plot.arange(offset, 360 + offset - 1, 60) lat = plot.arange(-60, 60 + 1, 30) state = np.random.RandomState(51423) , P# W: Z6 n, n) V# W1 k" V8 o: C data = state.rand(len(lat), len(lon)) & i+ E$ \7 U; w3 x " [: S! N1 A# P$ X) q 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 ' o4 w, x/ W3 d; s proj = plot.Proj(cyl) : _: u, w c4 d8 B9 {# t0 ~ fig, axs = plot.subplots(subplot_array, axwidth=6, proj=proj) U& N& p5 s- B3 k" @" d" f axs.format( 2 d! I/ c* P: [7 j* ?7 K abc=True,abcloc=ul,abcsize=30, abcstyle=a), gridlabelsize=18, 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 m = axs[0].contourf(lon, lat, data, cmap=cmap, extend=both) axs[0].format(title = subplot 1, titlesize=20) ) ~1 [0 y' }' f axs[1].pcolor(lon, lat, data, cmap=cmap, extend=both) 5 g+ E& a3 f- K! A' b axs[1].format(title = subplot 2, titlesize=20) axs[2].contour(lon, lat, data, extend=both) axs[2].format(title = subplot 2, titlesize=20) fig.colorbar(m, loc=b, label=State, G6 ?7 G& ^, [" y labelsize=20,ticklabelsize=18, extendsize=1.7em) fig.save(rC:\Users\59799\Desktop\image.png, dpi=600) 9 q2 o/ X2 F4 M+ b q plot.close()

$ Q+ f B, f8 y; `7 o

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。

- O5 u; U. H g& {

②format方法可以针对不同的子图设置不同格式，例如：

! v4 ]- C f7 D7 H) N

axs.format(...)#设置全部子图 axs[0:2].format(...)#设置第1张和第2张子图 j8 p9 n+ l( |% W# q5 O 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。

0 `+ I0 C/ H. k% t7 K , \, d' E2 j9 Q9 n7 y* T