超详细！空间学术网格数据绘制，配色超赞！！
超详细！空间学术网格数据绘制，配色超赞！！
今天小编带大家绘制一幅”颜值“超高的学术图表，起初原因也是群里的小伙伴询问怎么绘制。要知道我可是非常宠读者的哈~~绝对的安排！读者给出的图片如下：
读者询问的图片
小编第一眼也被这副作品吸引了，但立马想到这可能是使用MATLAB进行绘制的，而且数据也是地理信息专业相关的图表。要想完美复现这副作品则需要解决以下两个问题：
- 如何找到可替代的数据？
- Python/R如何使用MATLAB的colormap?
针对以上问题，我们分步骤解决，具体内容如下：
如何找到可替代的数据及处理？
在咨询完交流群中的相关专业大佬后，得出这种数据可能是NC网格数据，取不同维度数据进行绘制即可。小编研究生期间处理过葵花卫星nc网格数据，前一段时间也有其他同学咨询Python处理nc数据的问题，这次就简单说一下哈，内容如下：
Python-netCDF4库处理nc数据
在选择完使用葵花卫星nc数据进行绘制后，我们使用Python-netCDF4库 进行nc格式数据的处理(这里仅介绍读取和数据维度选择)。
import numpy as np
import pandas as pd
from netCDF4 import Dataset
nc_file = "NC_H08_20191111_0300_R21_FLDK.06001_06001.nc"
nc_data = Dataset(nc_file)
使用Dataset()函数即可读取，读取结果如下：
Dataset()读取数据结果
本期实例所涉及到的处理代码如下：
data_list = ['albedo_01','albedo_02','albedo_03','albedo_04','tbb_11','tbb_12','tbb_13',"SAZ"]
lat = 39.933
lon = 116.317
Xi = int(np.floor((60-lat)/ 0.02))
Yi = int(np.floor((lon-80)/ 0.02))
dicData = {key: value[:].data for key, value in nc_data.variables.items() if key in data_list}
data = {key: value[Xi,Yi] for key, value in dicData.items() if key in data_list}
# 获取40x40的网格数据
data_tif = {key: value[Xi-20:Xi+20,Yi-20:Yi+20] for key, value in dicData.items()}
band1 = data_tif.get('albedo_01')
以上即可获取我们随需要绘制的数据，注意：这里我们给出经纬度信息，获取以这个经纬度点周围40x40的数据。
以上就解决了我们数据来源问题，也顺带说了下nc数据的python读取方法，更过关于Python处理nc格式数据可在我直播的时候进行详细介绍或者参考：Python-netCDF4官网[1]
Python/R如何使用MATLAB的colormap?
获取parula颜色系
这里我们首先使用Python-Matplotlib进行图表绘制，首先要解决的就是设计出MATLAB的默认colormap-parula。这里可以自行进行颜色设计，也可以通过小编分享的colormaps.py文件进行获取(获取方式见文末)。
首先，我们使用默认的Matplotlib默认的colormap进行绘制，如下：
import matplotlib.pyplot as plt
max_v = band1.max()
min_v = band1.min()
fig,ax = plt.subplots(figsize=(5,4),dpi=100,facecolor="w")
ax.imshow(band1)
pcm = ax.imshow(band1)
fig.colorbar(pcm,ax=ax,aspect=10)
Python-matplotlib默认colormap
接下来，我们使用colormaps.py文件中的parula颜色系进行绘制，如下：
import matplotlib.pyplot as plt
from colormaps import parula
cmap = parula
fig,ax = plt.subplots(figsize=(5,4),dpi=100,facecolor="w")
pcm = ax.imshow(band1,cmap=cmap,)
fig.colorbar(pcm,ax=ax,aspect=10)
Python-matplotlib parula colormap
注意：大家可能发现，这里使用ax.imshow() 方法进行绘制，因为我们所获取的数据为二维数组格式。我们下期在使用(X,Y,Z)格式的数据进行绘制。
图表美化
接下来我们对已经绘制的图表结果进行优化，所使用的方法我们在之前的直播中也说了很多遍，具体绘制方法如下：
import matplotlib.pyplot as plt
from colormaps import parula
plt.rcParams["font.family"] = "Times New Roman"
cmap = parula
fig,ax = plt.subplots(figsize=(5,4),dpi=100,facecolor="w")
pcm = ax.imshow(band1,cmap=cmap,vmax=max_v,vmin=min_v)
ax.tick_params(labelsize=20)
ax.set_xticks(np.arange(0, 40, step=10))
ax.set_yticklabels(labels = [-10, 40, 30, 20, 10])
for text in ax.get_xticklabels()+ax.get_yticklabels():
text.set_fontweight("bold")
ax.set_xlabel("longitude",fontsize=22,fontweight="bold")
ax.set_ylabel("latitude",fontsize=22,fontweight="bold")
print(ax.get_yticks())
print(ax.get_xticks())
cb = fig.colorbar(pcm,ax=ax,aspect=10)
#cb.outline.set_visible(False)
cb.ax.tick_params(direction="in",labelsize=15)
for t in cb.ax.get_yticklabels():
t.set_fontweight("bold")
# 添加文本信息
ax.text(.5,1.04,"Albedo01",transform = ax.transAxes,fontsize=20,fontweight="bold",ha="center",va="center")
Albedo01
「注意」：这里的经纬度数据只是对点数进行计数，使用：
ax.set_yticklabels(labels = [-10, 40, 30, 20, 10])
进行图表刻度的自定义设置。我们再来看看其他维度数据的可视化结果：
Tbb_11
SAZ
此外，我们也使用了Matplotlib的Spectral_r颜色系进行绘制，结果如下：
SOA with Spectral_r
总结
今天的推文小编主要介绍了：
- NC网格数据的读取；
- MATLAB默认parula颜色系的Matplotlib绘制；
- Matplotlib的colorbar的定制化绘制。
接下来的推文中，小编将使用pcolormesh() 和contour() 方法进行空间(X,Y,Z)学术图表的绘制。
参考资料
[1]
Python-netCDF4官网: http://unidata.github.io/netcdf4-python/。
喜欢就点个 在看 呗 👇