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：

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）

- Q( |. C( M1 u) s: m' u6 `9 }

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：

' W9 Q4 F7 c8 n+ x+ }

①简单常用的填色图：

import proplot as plot import numpy as np * l; R: W8 c# } # 创建虚拟数据 offset = -40 lon = plot.arange(offset, 360 + offset - 1, 60) lat = plot.arange(-60, 60 + 1, 30) state = np.random.RandomState(51423) 3 Y+ Y- m( r5 K' g data = state.rand(len(lat), len(lon)) 0 ? }) V" p& n5 z+ l% R/ U4 Y0 ?* D0 M 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) : ?. ~& H2 [' V: T/ v axs.format( abc=True,abcloc=ul,abcsize=30, abcstyle=a), gridlabelsize=18, labels=True, lonlines=30, latlines=20, coast=True,gridminor=True,coastlinewidth=1, 2 Z# N+ ?8 P$ M6 W, x. k' b r; ` suptitle=Contourf,suptitlesize=20, rowlabels=[Cartopy example], collabels=[Contourf, Pcolormesh]) : i9 J+ K6 E7 ] 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[1].pcolor(lon, lat, data, cmap=cmap, extend=both) 9 @" ?* N( ]% S% } fig.colorbar(m, loc=b, label=State, ! d7 L: m# s2 t* }$ x+ ^ labelsize=20,ticklabelsize=18, extendsize=1.7em) fig.save(rC:\Users\59799\Desktop\image.png, dpi=600) plot.close() ' l' V# b2 S# ~8 n X4 U6 |' n

# [; G1 a0 O: O. h4 X

②子图特殊布局：

. S8 a' F2 U: F3 z7 o

import proplot as plot $ r. {9 |9 J R) E/ ^ import numpy as np & M, f2 E4 l9 o1 f: J- k u$ e # 创建虚拟数据 3 s# ]; L" k0 h3 |+ m offset = -40 lon = plot.arange(offset, 360 + offset - 1, 60) 3 W7 s# `. V4 m; D+ R, h lat = plot.arange(-60, 60 + 1, 30) state = np.random.RandomState(51423) data = state.rand(len(lat), len(lon)) 2 [. Q9 X6 s" I/ ]' x : n! X' e6 {5 T5 g, s4 p- e 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... $ l9 p3 G1 |& } e. _" V 8 ^5 B. I1 N/ [5 | plot.rc.reso = lo#海岸线可以不同分辨率 hi med lo x-hi xx-hi " ]2 e8 z* o) m- g7 l) I; d J proj = plot.Proj(cyl) fig, axs = plot.subplots(subplot_array, axwidth=6, proj=proj) axs.format( * z' `8 `# S% W abc=True,abcloc=ul,abcsize=30, abcstyle=a), gridlabelsize=18, 9 t) m! X- n" z 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 & W4 Z/ X( F6 O7 `. B, i m = axs[0].contourf(lon, lat, data, cmap=cmap, extend=both) 3 J4 n5 z! F7 I* z0 s/ Y axs[0].format(title = subplot 1, titlesize=20) 9 q4 W. s" m' j ; \* y& p1 {9 [ axs[1].pcolor(lon, lat, data, cmap=cmap, extend=both) 0 D5 a( ?4 T! E7 T% B, r7 D- C axs[1].format(title = subplot 2, titlesize=20) # j0 \! i6 j) d1 Y4 f( ~7 M' f0 J+ W axs[2].contour(lon, lat, data, extend=both) + _8 _1 ~3 |4 Y; @ axs[2].format(title = subplot 2, titlesize=20) ! m5 \4 W, ~& ]6 ~! ~! S# e fig.colorbar(m, loc=b, label=State, & c- A) Y% t6 ?3 V& H" s$ q labelsize=20,ticklabelsize=18, extendsize=1.7em) fig.save(rC:\Users\59799\Desktop\image.png, " l3 j' ]7 e* M$ b dpi=600) / ?/ b0 @" {2 Q& i$ k, G2 u5 I plot.close()

, u7 m% ^9 P0 C0 {8 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 6 Z/ M* [5 l/ e+ V. M 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

& Q; |) x: z4 U0 \6 n% l5 }! Y$ N

④现在Proplot中还包含着basemap，个人不太推荐使用。

$ M4 f8 p! G; Y3 Y