海洋数据处理软件 -海洋数据分析收费标准

U# L1 {7 R( i7 [& Y9 t: k3 V9 O

Notes：请务必将matplotlib的版本控制在3.2（或以下），经过测试发现，3.3及以后的版本在配合proplot使用时，在设置colorbar的时候会出现警告信息，同时生成的图不正常。降版本之后问题不再出现。

. R: h$ }& G# b, M

在我的上一篇文章中，我推荐了由NCAR负责开发的PyNgl库作为Python语言下面的地理绘图库，并且介绍了如何在子系统（WSL）下面的安装方法。详细的请见传送门：

小梁梁：最好看的气象海洋数据可视化，PyNgl和PyNio库在子系统(WSL)下的安装36 赞同 · 17 评论文章

不过现在选择使用PyNgl有些尴尬，首先是官方宣布不再进行大更新了，只进行小修小补（维护模式），其次根据一些说法，PyNgl相较于NCL本身，还存在一些Bugs。总的来说就是体验一般。不过，如果很早就习惯了NCL的声明式绘图，可能你会非常喜欢他。

一次偶然，我发现了Proplot这个库，Proplot对matplotlib进行了高度的封装，是一个高级绘图工具，其功能相当强大！而且融和了cartopy、basemap、xarray和pandas。作者是来自科罗拉多州立大学大气科学学院的硕士研究生Luke Davis。简单来说：Proplot针对matplotlib和cartopy的很多不友好的方面，并通过封装来解决这些问题。使用者可以通过新引入的format方法来完成繁琐复杂的图形设置问题（更简单的代码，更好看的图形）

ProPlot - ProPlot documentation​proplot.readthedocs.io/en/latest/

* f- J: R [4 e

在官方文档中，已经大量的绘图例子，可以前往查看，下面简单展示一下具体的绘图效果：

. S1 a, ~' u7 y& u6 Z6 t

①简单常用的填色图：

import proplot as plot 8 [7 M; W1 y+ U5 P, d import numpy as np / F& S3 e+ d& B) k # 创建虚拟数据 offset = -40 lon = plot.arange(offset, 360 + offset - 1, 60) ; |3 ~% L' y8 S E9 u* M lat = plot.arange(-60, 60 + 1, 30) state = np.random.RandomState(51423) # f8 u% _6 b# m# q' Y data = state.rand(len(lat), len(lon)) G; E. j5 f# O( n plot.rc.reso = lo#海岸线可以不同分辨率 hi med lo x-hi xx-hi 4 k0 H- Q. T5 k proj = plot.Proj(cyl) fig, axs = plot.subplots(nrows=1, ncols=2, axwidth=6, proj=proj) axs.format( abc=True,abcloc=ul,abcsize=30, abcstyle=a), gridlabelsize=18, labels=True, lonlines=30, latlines=20, 4 k4 I# h( ^6 y) U# B coast=True,gridminor=True,coastlinewidth=1, 6 r: K: R4 \# K% O' b suptitle=Contourf,suptitlesize=20, rowlabels=[Cartopy example], collabels=[Contourf, Pcolormesh]) cmap=plot.Colormap(Div, gamma=0.6)#gamma提高颜色深度 m = axs[0].contourf(lon, lat, data, cmap=cmap, extend=both) % U+ z, i; A5 F1 g% r* O; W axs[1].pcolor(lon, lat, data, cmap=cmap, extend=both) fig.colorbar(m, loc=b, label=State, ) J6 P$ t8 ^4 J. c6 R. B0 d labelsize=20,ticklabelsize=18, extendsize=1.7em) fig.save(rC:\Users\59799\Desktop\image.png, * S1 L% {! g O3 p! [5 M9 j+ _ dpi=600) * k1 D& y9 \7 r plot.close()

) ]$ r) z# _1 W0 C" D

②子图特殊布局：

, G8 b; ]) [9 U& v) u5 I

import proplot as plot 8 p3 z+ O x4 y3 g import numpy as np . {8 [& Y! b8 B, i; B0 \6 v5 x* T # 创建虚拟数据 offset = -40 lon = plot.arange(offset, 360 + offset - 1, 60) lat = plot.arange(-60, 60 + 1, 30) state = np.random.RandomState(51423) ) }$ O" Z* |4 C6 t, R. E data = state.rand(len(lat), len(lon)) 2 K( Y+ C8 t1 @9 c- j subplot_array = [[0,1,1,0], [2,2,3,3]] #0表示没有图片 1 2 3...表示子图1 2 3... 1 w2 @2 N6 [+ }7 e" t. m Y plot.rc.reso = lo#海岸线可以不同分辨率 hi med lo x-hi xx-hi : }" G0 o q0 v# _3 y proj = plot.Proj(cyl) # |- u+ @% K# K) H fig, axs = plot.subplots(subplot_array, axwidth=6, proj=proj) 2 G0 N9 `$ z9 j. U axs.format( abc=True,abcloc=ul,abcsize=30, abcstyle=a), gridlabelsize=18, labels=True, lonlines=30, latlines=20, coast=True,gridminor=True,coastlinewidth=1) cmap=plot.Colormap(Div, gamma=0.6)#gamma提高颜色深度 m = axs[0].contourf(lon, lat, data, cmap=cmap, extend=both) axs[0].format(title = subplot 1, titlesize=20) axs[1].pcolor(lon, lat, data, cmap=cmap, extend=both) ' L* A2 Y7 U$ N: S* Z2 U axs[1].format(title = subplot 2, titlesize=20) 5 u8 ~ ?2 N H4 p axs[2].contour(lon, lat, data, extend=both) $ S+ T4 i9 b) }1 _/ b5 H8 T axs[2].format(title = subplot 2, titlesize=20) 6 f2 u4 ?% D" F6 T8 r fig.colorbar(m, loc=b, label=State, labelsize=20,ticklabelsize=18, extendsize=1.7em) 2 L+ m" C. x7 n1 R/ ~ fig.save(rC:\Users\59799\Desktop\image.png, dpi=600) plot.close()

使用技巧：

: F/ S; i4 M7 v; ?9 L6 E

①在保存图片时，默认保存的图片为1200dpi，如果直接放进word文档，可能会因为图片压缩导致图片异常（如果设置为不压缩，图片一多会导致word非常卡），所以请尽量使用dpi参数改变保存图片时候的dpi。

②format方法可以针对不同的子图设置不同格式，例如：

axs.format(...)#设置全部子图 ( p% r$ B( J( y, B( T axs[0:2].format(...)#设置第1张和第2张子图 u3 b. B! e* l axs[0].format(...)#设置第1张子图

4 B: f6 I$ J/ ^, _: c6 L

③所有的图形设置都可以在format方法中通过参数的方法完成，具体的参数请查阅官方文档的Configuring ProPlot章节

④现在Proplot中还包含着basemap，个人不太推荐使用。

/ y; |) w4 C) ]: Q % C N8 I+ \% j( V' Z 6 f4 M3 V1 p1 C; J6 K1 A