【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！！！

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。

2 Z/ ^9 h. E& x+ E( e" O' \! 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：

• 
  0 ?$ Y/ D$ A: X! [0 e! P& C
  

conda install Cartopy
. B3 G+ R3 y4 W& S( g; ]% I

' P( m+ K2 g8 X* D$ @
0 ?+ N! n' S& g' v/ b8 ~+ w
+ }6 |8 ?: m+ }0 O& L9 b% C$ m' I. b

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

• 
  . F% s. Q' ]( U0 s7 D* H
• 
  
• 
  $ L5 t& |0 Z0 u9 e
• 
  6 b, n* U- U. A+ m7 y+ {- L5 a0 m) ?6 X
• 
  
• 
  
• 
  4 E' t$ i4 ~! G/ x: M
• 
  $ x2 J, N% N/ j
• 
  2 f" m% m; M% x4 {  q. R' @
• 
  ) k- R0 @8 p! N* A8 v8 [6 G
• 
  % D8 {* H& c6 a! ~+ b( n
• 
  5 t8 t5 i% P5 e( L$ H
• 
  * ?' f& z8 I& X: C1 i+ v
• 
  9 g2 h: D/ a' R1 T- C, t
• 
  7 v6 R4 ]5 r2 O9 t5 W" y
• 
  1 t6 Z# h  d1 N6 q2 L& Q# J
• 
  
• 
  
• 
  7 Y9 X4 O1 r& T4 T2 N- F& q  `
• 
  
• 
  ) V' U% y" F$ R' J& f! c( M% f8 ^
• 
  
• 
  
• 
  
• 
  ) |. |9 W' |  `# b) |) H! s
• 
  1 f! }! p' W! Y# j9 ?$ A) X/ [
• 
  
• 
  / H- n0 D" v; U/ N  ~7 \/ r4 e4 x
  

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()
* V' W4 p  R# S! D$ m$ r9 O

: p' w% a6 b) O% U7 }
8 D: h9 H; ~7 d8 |