Python气象绘图教程（十六）—Cartopy_6

气象学家

发布于 2020-06-17 17:30:21

3.2K0

发布于 2020-06-17 17:30:21

文章被收录于专栏：气象学家气象学家

本节提要：使用cartopy进行市县的色块填色、模仿geopandas绘制颜色图

一、利用cartopy进行市县的色块填色

其实geopandas在这方面比cartopy更加专业，由于是基于pandas的，所以在和表格类数据连接上的效果更好，不过cartopy也还能完成任务，虽然我想出的是个笨办法。

首先，还是通过meteoinfo或者GIS等软件读取图层属性：

然后在数据表中按照相同的市县顺序排列名称：

这一步是最麻烦的，但是一般市县也就十个以内，这一步工作是一劳永逸的。因为绘制业务地图的shp文件基本不会更改，所以排好序之后，每次制图只用更改excel（或者存储数据的文件）即可。

然后读入数据，绘制地图，关键代码如下：

dangercolors=df['预警颜色']
shp=shpreader.Reader(shppath)
for city,color in zip(shp.geometries(),dangercolors):#zip——并行遍历函数
    ax.add_geometries([city],proj,facecolor=color,edgecolor='k')

zip是py内置函数，可以直接调用，表示并行遍历。比如在这段程序中，for··· in ···逐个循环，在city循环的同时，color也同时循环，这样就可以实现绘制地图的同时给地图填色。

如果需要绘制新图，只需要修改excel中的数据即可：

二、使用cartopy绘制等级颜色图

前面的步骤和一中的一致:

shppath=r'E:\shp\行政边界.shp'
filepath=r'C:\Users\lenovo\Desktop\恩施分县.xlsx'
df=pd.read_excel(filepath)
size=df['数值']#读取旱情程度
shp=shpreader.Reader(shppath)#读取地理信息
max=100#确定旱情最大值，旱情程度从0到100
for city,s in (zip(shp.geometries(),size)):#并行遍历两个列表
    ax.add_geometries([city],proj,lw=1,facecolor=cmap((s/max)))#,edgecolor='k')
position=fig.add_axes([0,0,0.9,0.05])
cmap=plt.get_cmap('Reds')#获取颜色表
norm = mpl.colors.Normalize(vmin=0, vmax=100)
cb=fig.colorbar(mpl.cm.ScalarMappable(norm=norm, cmap=cmap),extend='both',
             cax=position, orientation='horizontal',shrink=1)
cb.set_label('墒情利好<<<>>>作物可能绝收',fontdict={'size':6}) 
cb.ax.set_title('干旱程度')

在添加地理信息时，对facecolor同步填色，填色依据为该地区墒情数值与最大值max的相对大小。然后通过matplotlib官网上的自定义colorbar例子添加色条。实际上这个色条算是无源色条，和上面地图的填色只存在大小表示关系。像contourf填色图的色条就叫有源色条fig.colorbar(ax=ax),向内部传入了ax，只要ax变了，colorbar也跟随改变。

三、使用自定义的颜色

在某些时候，库包自带的颜色无法满足要求时，需要自定义颜色列表，结合前面的降水量色条定制，可以完成这个目标。

max=100
colorlevel=[0,70,75,80,85,90,95,100]#等级
colorlist=['tab:blue','tab:orange','tab:green','tab:red','tab:purple','tab:brown','tab:pink']#颜色列表
new_map=mcolors.ListedColormap(colorlist)#产生颜色映射
norm=mcolors.BoundaryNorm(colorlevel,new_map.N)#生成索引
for city,s in (zip(shp.geometries(),size)):
    ax.add_geometries([city],proj,lw=1,facecolor=new_map((s/max)),edgecolor='k')
position=fig.add_axes([0,0,0.9,0.05])
sm=plt.cm.ScalarMappable(cmap=new_map,norm=norm)
sm._A=[]
cb=plt.colorbar(sm,cax=position,extend='both',orientation='horizontal',shrink=1,label='等级量值与颜色')