Python-Basemap 绘图初尝试

DataCharm

发布于 2021-02-22 15:02:04

5970

发布于 2021-02-22 15:02:04

文章被收录于专栏：数据学术商业新闻数据学术商业新闻数据学术商业新闻

01. 引言

要想使用python绘制一般二维的空间数据可视化，Basemap这个库就不得不提，虽将不再进行维护，但其较完整的绘图体系，对绝大多数的地理空间数据可视化绘制已足够满足需求，下面，将结合实例对Python-Basemap的常用设置进行讲解。

02. Basemap常用参数简介

Basemap 的参数介绍，我想大家结合官网及网络资源就可以很快明白，要想绘制出一幅“精美”空间可视化作品，涉及的参数很多，下面就常用几个参数进行讲解：首先，看一下下面代码及代码效果：

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.basemap import Basemap

#设置matplotlib全局参数
plt.rc("font", size=22)
plt.rcParams['font.family'] = 'Times New Roman'
plt.rcParams["font.weight"] = "bold"
plt.rcParams['axes.labelsize'] = 22
plt.rcParams['xtick.labelsize'] = 22
plt.rcParams['ytick.labelsize'] = 22
plt.rcParams["axes.labelweight"] = "bold"
plt.rcParams["axes.titleweight"] = "bold"

plt.figure(figsize=(8, 8))
#使用Basemap 进行绘制
m = Basemap(projection='ortho', lon_0=140, lat_0=0, resolution='c')
m.drawcoastlines()
m.drawcountries()
m.drawmapboundary(fill_color='white')
m.drawparallels(np.arange(-60.,61.,30.),labels=[1,0,0,0],dashes=[2,2])
m.drawmeridians(np.arange(-160.,200.,30.),labels=[0,0,0,1],dashes=[2,2])

plt.annotate('60\N{DEGREE SIGN}S', xy=(m(170, -62.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('30\N{DEGREE SIGN}S', xy=(m(170, -32.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('30\N{DEGREE SIGN}N', xy=(m(170, +27.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('60\N{DEGREE SIGN}N', xy=(m(170, +57.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('80\N{DEGREE SIGN}E', xy=(m(80, -2.5))  , color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('110\N{DEGREE SIGN}E', xy=(m(110, -2.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('110\N{DEGREE SIGN}E', xy=(m(110, -2.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('140\N{DEGREE SIGN}E', xy=(m(140, -2.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('170\N{DEGREE SIGN}E', xy=(m(170, -2.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('160\N{DEGREE SIGN}W', xy=(m(-160, -2.5)),color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.savefig(r'F:\DataCharm\Python-matplotlib kongjian\basemap_ortho.png',dpi = 600,
            bbox_inches='tight',width = 8,height=8)
plt.show()

效果如下：

详细解释：

m = Basemap(projection='ortho', lon_0=140, lat_0=0., resolution='c')

设置投影为'ortho' 正射投影，也是我绘制大范围空间图比较喜欢用的投影之一，lon_0=140, lat_0=0 则设置投影中心，分辨率resolution 则有'c'（原始），'l'（低），'i'（中），'h'（高），'f'（完整）或None（如果没有使用边界），选择高分辨率则耗时更多。

m.drawcoastlines() 绘制海岸线；

m.drawcountries() 绘制国家线；

m.drawmapboundary(fill_color='white') 绘制地图边界，同时设置海洋填充为白色（white）

m.drawparallels(np.arange(-60.,61.,30.),labels=[1,0,0,0],dashes=[2,2])
m.drawmeridians(np.arange(-160.,200.,30.),labels=[0,0,0,1],dashes=[2,2])

则规范化经纬线设置。较为常用的方法之一

代码：

plt.annotate('60\N{DEGREE SIGN}S', xy=(m(170, -62.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('30\N{DEGREE SIGN}S', xy=(m(170, -32.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('30\N{DEGREE SIGN}N', xy=(m(170, +27.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('60\N{DEGREE SIGN}N', xy=(m(170, +57.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('80\N{DEGREE SIGN}E', xy=(m(80, -2.5))  , color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('110\N{DEGREE SIGN}E', xy=(m(110, -2.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('110\N{DEGREE SIGN}E', xy=(m(110, -2.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('140\N{DEGREE SIGN}E', xy=(m(140, -2.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('170\N{DEGREE SIGN}E', xy=(m(170, -2.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('160\N{DEGREE SIGN}W', xy=(m(-160, -2.5)),color='black', fontweight='bold', xycoords='data', ha='center', va='top')

则将经纬度信息进行了自定义设置，目的为更好的显示经纬度信息。

通过添加如下代码进行图表美化：（字体颜色更改）

m.bluemarble(scale=0.5)#将 ASA的蓝色大理石图像作为地图背景

效果如下：

以上就是我在Basemap中使用较多的函数方法。

03. Himawari-8 数据实例

这里使用Himawari-8 静止卫星L1数据进行可视化展示，详细代码如下：

import pandas as pd
import numpy as np
from netCDF4  import Dataset
from matplotlib import pyplot as plt
from IPython.display import Image
from mpl_toolkits.basemap import Basemap
from matplotlib.colors import Normalize
import matplotlib
import matplotlib.cm as cm
#import seaborn as sns
from scipy.stats import linregress
from matplotlib import rcParams

plt.rc("font", size=22)
plt.rcParams['font.family'] = 'Times New Roman'
# plt.rcParams["font.family"] = "Century Schoolbook"
# rcParams['font.family'] = 'sans-serif'
plt.rcParams["font.weight"] = "bold"
plt.rcParams['axes.labelsize'] = 22
plt.rcParams['xtick.labelsize'] = 22
plt.rcParams['ytick.labelsize'] = 22
plt.rcParams["axes.labelweight"] = "bold"
plt.rcParams["axes.titleweight"] = "bold"
plt.figure(figsize=(12, 10))


nc_data_file = r'NC_H08_20190903_0300_R21_FLDK.06001_06001.nc'
nc_data = Dataset(nc_data_file)

BT_01 = Dataset(nc_data_file).variables['tbb_07'][:].data

lons = Dataset(nc_data_file).variables['longitude'][:].data
lats = Dataset(nc_data_file).variables['latitude'][:].data
lon_ed, lat_ed = np.meshgrid(lons, lats)
vmin = 100
vmax = 300

m = Basemap(projection='ortho', lon_0=140.714793, lat_0=-0.007606, resolution='c')
x,y = m(lon_ed, lat_ed)
val = BT_01

#m.pcolormesh(lon_ed,lat_ed,val , latlon=True,vmin=vmin,vmax=vmax, cmap=plt.cm.get_cmap('hsv'))
m.scatter(x, y, c=val, s=1.0, marker="s", zorder=1, vmin=vmin,vmax=vmax, cmap=plt.cm.get_cmap('hsv'), alpha=1.0) 
m.colorbar(location='bottom', label='Brightness Temperature [K]')
m.drawcoastlines()
m.drawcountries()
m.drawmapboundary(fill_color='white')
m.drawparallels(np.arange(-60.,61.,30.),labels=[1,0,0,0],dashes=[2,2])
m.drawmeridians(np.arange(-160.,200.,30.),labels=[0,0,0,1],dashes=[2,2])
plt.title('Himawari-8 Brightness temperature of band 07 \n')

plt.annotate('60\N{DEGREE SIGN}S', xy=(m(170, -62.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('30\N{DEGREE SIGN}S', xy=(m(170, -32.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('30\N{DEGREE SIGN}N', xy=(m(170, +27.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('60\N{DEGREE SIGN}N', xy=(m(170, +57.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('80\N{DEGREE SIGN}E', xy=(m(80, -2.5))  , color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('110\N{DEGREE SIGN}E', xy=(m(110, -2.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('110\N{DEGREE SIGN}E', xy=(m(110, -2.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('140\N{DEGREE SIGN}E', xy=(m(140, -2.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('170\N{DEGREE SIGN}E', xy=(m(170, -2.5)), color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.annotate('160\N{DEGREE SIGN}W', xy=(m(-160, -2.5)),color='black', fontweight='bold', xycoords='data', ha='center', va='top')
plt.savefig(r'F:\DataCharm\Himawari-8 Brightness temperature of band07.png',dpi=900,bbox_inches='tight')
plt.show()

效果如下：

关键步骤：

lons = Dataset(nc_data_file).variables['longitude'][:].data
lats = Dataset(nc_data_file).variables['latitude'][:].data
lon_ed, lat_ed = np.meshgrid(lons, lats)

其中：lons和lats为一维向量数组，要想绘制空间可视化，则需使用np.meshgrid()——使向量数组生成网格点坐标矩阵，此方法在绘制空间数据中经常用到，具体含义大家可以自行百度啊

04. 总结

以上就是对Python 空间绘图库Basemap的简单介绍及应用，自己也不是很清楚用Basemap还是使用如genpandas、geoplot或者Basemap的继任者：Cartopy。又或者说使用较为灵活的R语言进行绘制。此外，Himawari-8数据也是自己研究论文使用的主要数据，后期也会有专门进行数据处理的教程推文。希望小伙伴们可以后台留言告知你们希望我使用哪一个进行绘制，同时，自己也会不断学习，加强空间可视化的绘制技巧。希望和你们一起学习，共同进步

本文参与腾讯云自媒体分享计划，分享自微信公众号。

原始发表：2020-08-08，如有侵权请联系 cloudcommunity@tencent.com 删除

python