包括画指定的等值线(如588)、如何在一个子图里绘制多个contourf、cartopy的刊误。 一、如何画指定的等值线 以前也有人问过,不知道怎么给忘了,昨天又有个同学来问,于是就解决了。...二、同一张子图中使用两个contourf,尽量少冲突或无冲突 这个问题的出现那就是非常非常久远了,估摸着得有七八个月了。出现的原因是水的相态不同,需要给降雪赋予灰色色系,需要给降雨附上降水色系。...这是不使用挖改时两个contourf的遮盖。...(X, Y, z,levels=levels,cmap='Spectral_r') ac2=ax.contourf(X, Y, z2,levels=levels,cmap='Blues_r') ?...针对两个contourf的混合绘制,如果有更好的办法可以后台留言。
np.linspace(-3,3,n)y=np.linspace(-3,3,n)X,Y=np.meshgrid(x,y) #把X,Y传入网格中,X.shape=nn,Y.shape=nnuse plt.contourf...to filling contours#X,Y and value for (X,Y) pointplt.contourf(X,Y,height(X,Y),8,alpha=0.75,cmap=plt.cm.hot
ma.masked_where(z <= 0, z) # Automatic selection of levels works; setting the # log locator tells contourf...to use a log scale: fig, ax = plt.subplots() cs = ax.contourf(X, Y, z, locator=ticker.LogLocator(),...())-1), # np.ceil(np.log10(z.max())+1)) # levs = np.power(10, lev_exp) # cs = ax.contourf...dimensional, so flatten them. x, y = x.flatten(), y.flatten() fig1, ax1 = plt.subplots() cs = ax1.contourf...to use a log scale: fig, ax = plt.subplots() cs = ax.contourf(X, Y, z, locator=ticker.LogLocator(),
如果要画等值线,则可使用 ds.T[0,-1].plot.contourf(),或者使用 proplot 的 PlotAxes.contourf。...(ax=ax,levels=10,globe=True) #xarray 自带 ax.format(title='xarray contourf plot') ax=axes[1] m=ax.contourf...(ds.T[0,-1],globe=True,cmap='viridis',levels=10) ax.colorbar(m) ax.format(title='proplot contourf plot...#contour相关参数的网址: https://proplot.readthedocs.io/en/latest/api/proplot.axes.PlotAxes.contourf.html?...highlight=contourf#proplot.axes.PlotAxes.contourf #Axes.colorbar相关参数的网址 https://proplot.readthedocs.io
map.urcrnrx, data.shape[1]) y = linspace(0, map.urcrnry, data.shape[0]) xx, yy = meshgrid(x, y) map.contourf...map.urcrnrx, data.shape[1]) y = linspace(0, map.urcrnry, data.shape[0]) xx, yy = meshgrid(x, y) map.contourf...3) 使用 LinearSegmentedColormap.from_list 静态方法创建 colormap 4) 函数返回 levles 和 colormap contourf...传递返回的 levles 给 contourf 函数的 levels 参数。由于部分颜色超出了数据范围,因此有些颜色并没有使用。 ?...没有传递返回的 levels 给 contourf 函数的 levels 参数。contourf 将根据数据进行划分。
常用的scatter、contourf是非常适合使用的。第一节我们来简要谈谈常用的colorbar参数,以后例子都基于contourf命令。...cf=ax.contourf(x,y,z,extend='both') fig.colorbar(cf,extend='both') ?...类似于ax.set_yticks( ). cf=ax.contourf(x,y,z) fig.colorbar(cf,ticks=[0,2,4,16]) ?...第十个为label,简单的给色条一个标签: cf=ax.contourf(x,y,z) fig.colorbar(cf,label='色条') ?...关于指数标签,一般来说,在contourf中使用了指数标签命令后,色条会自动变成指数模式。
plt.contourf() plt.contourf()用于绘制等高线填充图。它可以根据数据的值来为不同区域着色,并在图表上显示出这些颜色区域之间的边界。...让我们详细解释一下plt.contourf()函数的具体用法: plt.contourf(X, Y, Z) X:表示 x 坐标点的二维数组或网格矩阵。...通过传递以上参数给plt.contourf()函数,我们可以生成一个由等高线填充区域组成的图表。其中每个填充区域都代表了相应坐标点处属性数值所在范围内部分。...通过使用plt.contourf()函数,您可以以视觉方式展示二维数据的分布情况,并更好地理解和呈现数据。 总结 总体而言,整个可视化原理也比较清晰明了。...通过plt.contourf对网格点的每一个预测结果作为其属性画不同颜色等高线实现决策边界的绘制。
ax.coastlines(lw=0.4) ax.set_global() ax.stock_img() levs = np.arange(-9000,9000,2000) pc=data.topography.plot.contourf...grd" df = xr.open_dataset(filename, decode_cf=False) print(df) lat=df.lat lon=df.lon z=df.z df.z.plot.contourf...(region,crs=proj) ax.coastlines(lw=0.4) ax.set_global() ax.stock_img() levs = np.arange(-5,5,1) mfc_contourf...=ax.contourf(lon,lat,z,levels=levs,cmap='gist_rainbow',extend='both') cbar=plt.colorbar(mfc_contourf,...=[20, 10]) ax = fig.add_subplot(1, 1, 1, projection=ccrs.Orthographic(central_longitude=90)) z.plot.contourf
[-3,3],共256个点 y=np.linspace(-3,3,n) 第3步:将等差数列绑定为网格的形式 X,Y=np.meshgrid(x,y) 第4步:等高划分并填色 #等高划分并着色 plt.contourf...起点为3,终点为3,n为步长,如果n=1,则返回array([ -3., -2., -1., 0., 1., 2., 3.]) 4. contourf() plt.contourf...(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot) contourf(contour等高线+filling);8 表示等高线分为多少部分,0->2部分,1->3部分,8-
fig = plt.figure(figsize=(20, 12)) ax = fig.add_subplot(1,1,1, projection=ccrs.PlateCarree()) im = ax.contourf...UserWarning: The following kwargs were not used by contour: 'cmaps' result = matplotlib.axes.Axes.contourf...fig = plt.figure(figsize=(20, 12)) ax = fig.add_subplot(1,1,1, projection=ccrs.PlateCarree()) contourf...ax.yaxis.set_minor_locator(plt.MultipleLocator(2)) ax.set_extent(extents) plt.colorbar(contourf...ax.yaxis.set_minor_locator(plt.MultipleLocator(2)) ax.set_extent(extents) plt.colorbar(contourf
contourf from mpl_toolkits.basemap import Basemap import matplotlib.pyplot as plt from osgeo import gdal...数组 data.shape[1] 及 data.shape[0] 拥有相同的大小 meshgrid 是numpy 中的函数,用两个数组创建一个矩阵,这是绘图所需要的,其中 x 以列重复,y 以行重复 contourf...数据与 contourf 个例中的数据相同 使用 range 函数设置等级。采用高度设置,即从400 m 到 1400 m,每隔100 m 设置一个等值线 colormap 并没有使用默认的 jet。...可以通过传递 cmap 参数给 cubehelix colormap 设置 通常使用 contour 方法时需要设置label,但 contourf 方法不需要设置 1) inline 控制是否移除...数据使用的是 contourf 例子中的数据 colormap 使用的是 contour 例子中的colormap 注意: pcolor 和 pcolormesh 非常相似。
接下来,我们简单介绍一下如何在3d图中使用contourf函数绘制平面图。...由于3d图的投影结构完全与当前我们的世界相符合,都是三维空间,所以3d图中的contourf与真实世界等值线相同都是立体的,这与我们平时见到的二维等值线图不一致。...利用在前面提到的zdir和offset命令,我们就可以修改三维图的等值线图变为二维等值线图,zdir通俗理解就是将传入的维度降维,offset表示降维后的等值线填色图放置的层次: ax.contourf...ax.contourf(X,Y,Z,zdir='z',offset=0) ax.contourf(X,Y,Z,zdir='z',offset=30) ax.contourf(X,Y,Z,zdir='z'...ax.contourf(X,Y,Z,zdir='z',offset=0) ax.contourf(X,Y,Z,zdir='y',offset=70) ax.contourf(X,Y,Z,zdir='x'
, 60] axs = meb.creat_axs(2, map_extend,ncol=2,sup_fontsize=7) cmap = cmaps.radar_1 image = meb.add_contourf...,add_colorbar=False) #image = meb.add_scatter_text(axs[0], sta, tag=0, font_size=5) image = meb.add_contourf...map_extend = [110, 125, 35, 45] axs = meb.creat_axs(2, map_extend,ncol=2,sup_fontsize=7) image = meb.add_contourf...,"tianjin","hebei"]) #image = meb.add_scatter_text(axs[0], sta, tag=0, font_size=5) image = meb.add_contourf...projection=ccrs.PlateCarree()) ax1.set_extent([110, 125, 35, 45]) cmap1 = cmaps.radar # 绘制填色分布图 im1 = ax1.contourf
iris.sample_data_path("toa_brightness_stereographic.nc") cube = iris.load_cube(file_path) qplt.contourf...fname = iris.sample_data_path("air_temp.pp") temperature = iris.load_cube(fname) # Plot #1: contourf...with axes longitude from -180 to 180 plt.figure(figsize=(12, 5)) plt.subplot(121) qplt.contourf...(temperature, 15) plt.gca().coastlines() # Plot #2: contourf with axes longitude from 0 to 360...proj = ccrs.PlateCarree(central_longitude=-180.0) plt.subplot(122, projection=proj) qplt.contourf
轮廓图 matplotlib.pyplot.contourf(args, data=None, **kwargs) Call signature: contour([X, Y,] Z, [levels]...= np.arange(0, 21) Y = np.arange(0, 21) X, Y = np.meshgrid(X, Y) levels = range(-5, 6, 1) CS = plt.contourf...Contourf Demo [2]. mplot3d tutorial
上述两种栅格化,具体有什么用,目前视觉效果最好的就是这一种: 在三维图中实现contourf可视化 我们之前曾经推送过如何进行contourf的三维可视化,但是有一定的问题,小值区的色块总是会被遮盖,...随后使用contourf的投影参数: kw={'vmin':rh.min(), 'vmax':rh.max(), 'levels':np.arange(0,110,10)} cross_lon..._90=ax.contourf( rh[:,:,0].values, Y[:,:,0], Z[:,:,0],cmap='Blues', zdir='x...对于contourf函数来说,使用levels参数,就可以控制数据的上下界限,例如: kw={'levels':np.arange(70,105,5)} cross_lon_90=ax.contourf...contourf命令如法炮制便可。
这几种白化方法中,最知名的应该是maskout这个方法,而与后面三种不同的是,这个方法是真正的裁剪,因为按照其使用流程: ac=ax.contourf(...) clip=maskout.shp2clip...其他四种都是先判别是不是在指定shp文件内部,然后再画,但是geopandas.clip的办法与Masterpiece的办法会改变数据的维度,导致无法还原为2D数组,不能用在contourf绘制等值线图上...(x,y,z) ac2=ax2.contourf(x,y,z) for i in ac1.collections: i.set_clip_path(boundary,transform=ax1....这个数据裁剪不改变数组的维度,所以后期可以用在contourf上。...这种方法可以保住数据的维度为2D结构,所以既可以用scatter也可以用contourf绘图。不过在网格比较粗的情况下会出现裁剪劣化,不该白化的地方掉白变多。
常见的绘图命令scatter、contour、contourf、pcolormesh等都可以引入cmap与colorbar,下面四幅图分别使用了前述四种绘图命令绘制,并更改了每一幅图使用的颜色映射表:...colormap=mpl.cm.get_cmap(' Reds ' ) ax.contourf...ax1.contourf(X,Y,Z,cmap='Reds') ax2.contourf(X,Y,Z,cmap...5. shrink(axes特性,colorbar的收缩比例) 该参数控制colorbar的收缩比例,在收缩时,colorbar长宽都会变化,如: CS=ax1.contourf(X,Y,Z,cmap=...Matplotlib的开发者并没有将设定等级的levels命令进行普遍化,造成该便捷命令只能在contour、contourf里使用。
False,True],linewidth=0.5,color='red',dashes=[1,4],size=14) lonproj,latproj = proj(llon, llat) c1=ax.contourf...False,True],linewidth=0.5,color='red',dashes=[1,4],size=14) lonproj, latproj = proj(llon, llat) c1=ax.contourf...interest (where to draw the contours) isobars = [0,200,500,1000,1500,2000,2500,3000,3500,4000,5000] c1=ax.contourf...False,True],linewidth=0.5,color='red',dashes=[1,4],size=14) lonproj, latproj = proj(llon, llat) c1=plt.contourf...interest (where to draw the contours) isobars = [0,200,500,1000,1500,2000,2500,3000,3500,4000,5000] c1=plt.contourf
figure fig = plt.figure(figsize=(20,12)) ax = plt.axes() # Make the contour plot wspd_contours = ax.contourf...wspd_contours = ax.contourf(to_np(wspd_cross), cmap=get_cmap("jet")) 台风利奇马WA剖面 In [13]: import numpy...figure fig = plt.figure(figsize=(20,12)) ax = plt.axes() # Make the contour plot wa_contours = ax.contourf...wa_contours = ax.contourf(to_np(wa_cross), cmap=get_cmap("jet")) 台风利奇马OMEGA剖面 In [14]: import numpy as...omega_contours = ax.contourf(to_np(omega_cross), cmap=get_cmap("jet")) 小结 1.
领取专属 10元无门槛券
手把手带您无忧上云