Matplotlib的朋友Basemap

润森

发布于 2019-10-30 14:48:11

1.9K0

发布于 2019-10-30 14:48:11

文章被收录于专栏：毛利学Python毛利学Python

学习一时爽，一直学习一直爽

Hello，大家好，我是もうり，一个从无到有的技术+语言小白。

开搞

# 绘制海岸线，填补海洋和陆地区域
from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
# setup Lambert Conformal basemap.
m = Basemap(width=12000000,height=9000000,projection='lcc',
            resolution='c',lat_1=45.,lat_2=55,lat_0=50,lon_0=-107.)
# draw coastlines.
m.drawcoastlines()
# draw a boundary around the map, fill the background.
# this background will end up being the ocean color, since
# the continents will be drawn on top.
m.drawmapboundary(fill_color='aqua')
# fill continents, set lake color same as ocean color.
m.fillcontinents(color='coral',lake_color='aqua')
plt.show()

在这里插入图片描述

太空看到的样子

from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
# setup Lambert Conformal basemap.
# set resolution=None to skip processing of boundary datasets.
m = Basemap(width=12000000,height=9000000,projection='lcc',
            resolution=None,lat_1=45.,lat_2=55,lat_0=50,lon_0=-107.)
m.bluemarble()
plt.show()

在这里插入图片描述

世界地图的样子

from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
# setup Lambert Conformal basemap.
# set resolution=None to skip processing of boundary datasets.
m = Basemap(width=12000000,height=9000000,projection='lcc',
            resolution=None,lat_1=45.,lat_2=55,lat_0=50,lon_0=-107.)
m.shadedrelief()
plt.show()

在这里插入图片描述

看下地球

from mpl_toolkits.basemap import Basemap
import numpy as np
import matplotlib.pyplot as plt
# lon_0 is central longitude of projection.
# resolution = 'c' means use crude resolution coastlines.
m = Basemap(projection='robin',lon_0=0,resolution='c')
m.drawcoastlines()
m.fillcontinents(color='coral',lake_color='aqua')
# draw parallels and meridians.
m.drawparallels(np.arange(-90.,120.,30.))
m.drawmeridians(np.arange(0.,360.,60.))
m.drawmapboundary(fill_color='aqua')
plt.title("Robinson Projection")
plt.show()

在这里插入图片描述

from mpl_toolkits.basemap import Basemap
import numpy as np
import matplotlib.pyplot as plt
# lon_0 is the central longitude of the projection.
# resolution = 'l' means use low resolution coastlines.
# optional parameter 'satellite_height' may be used to
# specify height of orbit above earth (default 35,786 km).
m = Basemap(projection='geos',lon_0=-105,resolution='l')
m.drawcoastlines()
m.fillcontinents(color='coral',lake_color='aqua')
# draw parallels and meridians.
m.drawparallels(np.arange(-90.,120.,30.))
m.drawmeridians(np.arange(0.,420.,60.))
m.drawmapboundary(fill_color='aqua')
plt.title("Full Disk Geostationary Projection")
plt.show()

在这里插入图片描述

from mpl_toolkits.basemap import Basemap
import numpy as np
import matplotlib.pyplot as plt
# llcrnrlat,llcrnrlon,urcrnrlat,urcrnrlon
# are the lat/lon values of the lower left and upper right corners
# of the map.
# resolution = 'c' means use crude resolution coastlines.
m = Basemap(projection='gall',llcrnrlat=-90,urcrnrlat=90,\
            llcrnrlon=-180,urcrnrlon=180,resolution='c')
m.drawcoastlines()
m.fillcontinents(color='coral',lake_color='aqua')
# draw parallels and meridians.
m.drawparallels(np.arange(-90.,91.,30.))
m.drawmeridians(np.arange(-180.,181.,60.))
m.drawmapboundary(fill_color='aqua')
plt.title("Gall Stereographic Projection")
plt.show()

在这里插入图片描述

%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.basemap import Basemap
plt.figure(figsize=(8, 8))
m = Basemap(projection='ortho', resolution=None, lat_0=50, lon_0=-100)
m.bluemarble(scale=0.5)

在这里插入图片描述

使用basemap是为了如何绘制数据，而不是简单看下图片

以下是一些可用的绘图功能

物理边界和水体

DrawCoastlines（）：绘制大陆海岸线
drawlsmask（）：在陆地和海洋之间绘制一个遮罩，用于一个或另一个上的投影图像。
drawMapBoundary（）：绘制地图边界，包括海洋的填充颜色。
draw rivers（）：在地图上绘制河流
fillContinents（）：用给定颜色填充大陆；可以选择用另一种颜色填充湖泊

政治界限

drawCountries（）：绘制国家边界
drawStates（）：绘制我们的状态边界
drawCountries（）：绘制美国县边界

地图功能

drawGreatCircle（）：在两点之间画一个大圆
drawParallels（）：绘制等纬度线
drawMeridians（）：绘制经度不变的线
draw map scale（）：在地图上绘制线性比例

全球图像

blue marble（）：将NASA的蓝色大理石图像投影到地图上
shaddedRelief（）：将着色的浮雕图像投影到地图上
etopo（）：在地图上绘制etopo浮雕图像
warpImage（）：将用户提供的图像投影到地图上

对于基于边界的要素，在创建基础地图图像时必须设置所需的分辨率。 “basemap”类的“resolution”参数设置边界的详细程度，如果不使用边界，可以是“c”（粗）、“l”（低）、“i”（中）、“h”（高）、“f”（满）或“none”（无）。

将创建苏格兰美丽的斯凯岛的低分辨率和高分辨率地图

苏格兰位于57.3°N，6.2°W，使用90000×120000公里的地图

%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.basemap import Basemap
fig, ax = plt.subplots(1, 2, figsize=(12, 8))

for i, res in enumerate(['l', 'h']):
    m = Basemap(projection='gnom', lat_0=57.3, lon_0=-6.2,
                width=90000, height=120000, resolution=res, ax=ax[i])
    m.fillcontinents(color="#FFDDCC", lake_color='#DDEEFF')
    m.drawmapboundary(fill_color="#DDEEFF")
    m.drawcoastlines()
    ax[i].set_title("resolution='{0}'".format(res))

在这里插入图片描述在地图上绘制数据

使用“basemap”实例将纬度和经度坐标投影到“x，y”坐标

其中一些特定于地图的方法是：

Contour（）/Contourf（）：绘制轮廓线或填充轮廓
imshow（）：绘制图像
pcolor（）/pcolormesh（）：为不规则/规则网格绘制伪彩色图
plot（）：绘制线条和/或标记。
scatter（）：使用标记绘制点。
quiver（）：绘制向量。
barbs（）：绘制风倒钩。
drawGreatCircle（）：画一个大圆。

有关这些函数（包括几个示例图）的详细信息，请参阅[在线文档]（http://matplotlib.org/basemap/）。

读入数据来画图

import pandas as pd
cities = pd.read_csv('data/california_cities.csv')
cities.columns


Index(['Unnamed: 0', 'city', 'latd', 'longd', 'elevation_m', 'elevation_ft',
       'population_total', 'area_total_sq_mi', 'area_land_sq_mi',
       'area_water_sq_mi', 'area_total_km2', 'area_land_km2', 'area_water_km2',
       'area_water_percent'],
      dtype='object')

cities.head()

在这里插入图片描述绘制加利福尼亚城市位置、大小和人口的信息。

# Extract the data we're interested in
lat = cities['latd'].values
lon = cities['longd'].values
population = cities['population_total'].values
area = cities['area_total_km2'].values

设置地图投影，分散数据，然后创建颜色条和图例

# 1. Draw the map background
fig = plt.figure(figsize=(8, 8))
m = Basemap(projection='lcc', resolution='h', 
            lat_0=37.5, lon_0=-119,
            width=1E6, height=1.2E6)
m.shadedrelief()
m.drawcoastlines(color='gray')
m.drawcountries(color='gray')
m.drawstates(color='gray')

# 2. scatter city data, with color reflecting population
# and size reflecting area
m.scatter(lon, lat, latlon=True,
          c=np.log10(population), s=area,
          cmap='Reds', alpha=0.5)

# 3. create colorbar and legend
plt.colorbar(label=r'$\log_{10}({\rm population})$')
plt.clim(3, 7)

# make legend with dummy points
for a in [100, 300, 500]:
    plt.scatter([], [], c='k', alpha=0.5, s=a,
                label=str(a) + ' km$^2$')
plt.legend(scatterpoints=1, frameon=False,
           labelspacing=1, loc='lower left')