Python4：Cartopy和matplotlib包绘制地图和时间序列图

温馨提示

（1）本号分享的有关python的经验方法都是基于anaconda下载的库包（conda install 库包名 或 cmd 命令 pip install 库报名），以及使用anaconda里的spyder(python3.8)编辑和运行代码。

（2）所有的代码都是经过了spyder(python3.8)正常运行得出结果的，可以放心使用，也欢迎交流和讨论。

（3）使用的软件以及不同版本，都有可能会导致代码运用出现问题（不代表分享的代码有问题或是错误的。），关于不同版本运行本号分享的代码出现问题，请自行网上搜索解决办法解决。

（4）如有转载或分享请注明出处，尊重本号版权和辛劳，谢谢！如有侵权敬请联系删除。

: `4 [7 m5 f  f8 N4 H

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。

绘制简单地图

Cartopy公开了一个接口，可以使用matplotlib轻松创建地图。创建基本地图非常简单，只需告诉Matplotlib使用特定的地图投影，然后在轴上添加一些海岸线：

1. 使用anaconda安装Cartopy库：

• 
  ) a8 F6 `3 J+ W4 ~$ w- ]3 g3 U
  . m: p6 k8 W1 {( P$ @9 G9 ?, X

conda install Cartopy
" l+ o% r8 A( E( _" H

$ `4 L6 V* z3 x' T

4 |) m7 V& ~) ]- v! f& v% `/ f, e

2. 使用matplotlib.pyplot（plt）绘图：

例1：

• 
  - l+ o! U5 X! Z* |+ A/ }
• 
  ) e6 t+ G) `1 i- C* |
• 
  3 Z  @3 l* I" K
• 
  # @0 ~+ J# S$ H
• 
  # _1 ~. y9 Y7 b
• 
  8 q, ]2 z$ [, F6 E/ \# Y
  

import cartopy.crs as ccrsimport matplotlib.pyplot as plt#一种投影ax = plt.axes(projection=ccrs.PlateCarree())ax.coastlines()plt.show()
$ s6 r0 X- R* y( h% w

---

• 
  
• 
  % ]' X2 e; T- f, Z
• 
  
• 
  & O2 r& r  ]3 u2 m6 C0 X. K3 t8 c
• 
  
• 
  . S. Q0 D2 f# v! l0 _3 h
  

import cartopy.crs as ccrsimport matplotlib.pyplot as plt#换一种投影ax = plt.axes(projection=ccrs.Mollweide())ax.stock_img()plt.show()
. s( o7 p2 ]$ M7 ^4 K) y1 H  L: F9 T

图形保存方式：

• 
  + t4 \; A/ d# K* o
• 
  
• 
  
  ; v5 D: c- Y, Q

# Save the plot by calling plt.savefig() BEFORE plt.show()plt.savefig('coastlines.pdf')  #保存为pdf格式的文件plt.savefig('coastlines.png')  ##保存为png格式的图片

绘制时间序列图

例：以三角函数为例绘图

• 
  
• 
  
• 
  
• 
  
• 
  % B& V. n8 K2 g5 h  ]6 m+ ~5 {8 Z. s
• 
  7 q: T% v  X9 J& s% O1 M
• 
  
• 
  
• 
  
• 
  
• 
  , X$ X: ]5 `* H: b" Z# E
• 
  ( n7 Q+ D% W" t( V9 I( ?0 y
• 
  
• 
  
• 
    N* ^7 C  g8 |3 G5 @
• 
  
• 
  1 c* o8 f/ J7 u+ B3 J
• 
  ) S3 z' i4 K$ `+ S5 d5 n# f
• 
  
• 
  
  ' L! [& \5 p* z

import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei']  # 中文字体设置-黑体plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题x = np.arange(-2*np.pi, 2*np.pi, 0.01)  #设值y1 = np.sin(x)y2 = np.cos(x)plt.figure(figsize=(10, 7))  #画布大小plt.plot(x, y1, label='$sinx$')  #绘制sin曲线plt.plot(x, y2, label='$cosx$')  #绘制cos曲线plt.legend(loc='upper right')  #图例plt.xlim(-2*np.pi-1, 2*np.pi+3)plt.xticks([-2*np.pi, -np.pi, 0, np.pi, 2*np.pi], ['$-2\pi$', '$-\pi$', '$0$', '$\pi$', '$2\pi$'])plt.title('三角-函数')plt.xlabel('横坐标')plt.ylabel('纵坐标')plt.axhline(y=0, c='black')plt.show()
- B% W6 l: |% ?9 D/ q9 v. @

8 u4 I! E3 O7 ]9 c& x

$ t6 L9 p% C% T5 \; s                               
登录/注册后可看大图

) L) }4 |, B! Z

以某地1979-2019年平均气温为例绘制两个站点气温时间序列的子区域图：

数据内容如下：

• 
  5 g9 H6 f  q& n  |4 f
• 
  
• 
  $ a+ j. l8 ]9 k( u
• 
  
• 
  
• 
  ( i" d+ x, H4 \, N" K$ N
• 
  - m( g: L( v8 _; E5 [
• 
  
• 
  
• 
  4 H9 a' P/ V7 h& ^
• 
  
• 
  ; Q4 u* X( _2 |( Q7 P7 }0 P: A' Z
• 
  
• 
  9 u% _. _! k: x: t% y8 z& X
• 
  ! t: j$ k+ I: A6 x$ \0 ?) K* T
• 
  ) Q7 n/ \; o$ P
• 
  - C  H9 u! B' W3 k3 g' q! h; Z
• 
  - o: o6 r9 r! A) _% j" p" _: @
• 
  % l% @- }  g* ~  w2 n
• 
  
• 
  , v& S; i' {8 d& K8 k2 ?  f
• 
  2 W, Q. H3 q9 h
• 
    P+ o+ }  H, J3 u* p
  

import pandas as pdimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei']  # 中文字体设置-黑体plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题#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.sta2plt.figure(figsize=(10, 7))  #画布大小plt.plot(x, y1, 'r',  label='$sta1$')  #绘制sin曲线plt.plot(x, y2, 'b', label='$sta2$')  #绘制cos曲线plt.legend(loc='upper left')  #图例plt.title('1979-2019 annual mean temperature')plt.xlabel('year')plt.ylabel('tem')plt.show()

                               
登录/注册后可看大图

' K% v9 N4 ^) H0 P  E$ S* Q1 \

使用matplotlib.pyplot(plt)进行绘图时，直接使用plt里的函数：使用面向对象的方法，先产生一个Axes对象，再对此对象进行操作，实现绘图。