%matplotlib inline
import warnings
warnings.filterwarnings('ignore')
import os
from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
import numpy as np
my_map = Basemap(projection='merc', lat_0=57, lon_0=-135,
resolution='h', area_thresh=0.1,
llcrnrlon=-136.25, llcrnrlat=56.0,
urcrnrlon=-134.25, urcrnrlat=57.75)
my_map.drawcoastlines()
my_map.drawcountries()
my_map.fillcontinents(color='coral')
my_map.drawmapboundary()
lon = -135.3318
lat = 57.0799
x, y = my_map(lon, lat)
my_map.plot(x, y, 'bo', markersize=12)
plt.show()
x和y可以是带有投影单元中标记位置的浮点,也可以是带有绘制线的点的列表。
如果lat与lon关键字设置为True,则x,y将解释为经度和纬度,以度为单位。不会在旧的Basemap版本中工作。
- 默认情况下,标记是一个点。此页面解释所有选项。
- 默认情况下,颜色为black(k)。
现在让我们给地图添加一些点。例如在Sitan,Baranof岛上最大的社区,我们添加一个点,显示Sitka的位置。在plt.show()之前添加以下行:
my_map = Basemap(projection='merc', lat_0=57, lon_0=-135,
resolution='h', area_thresh=0.1,
llcrnrlon=-136.25, llcrnrlat=56.0,
urcrnrlon=-134.25, urcrnrlat=57.75)
my_map.drawcoastlines()
my_map.drawcountries()
my_map.fillcontinents(color='coral')
my_map.drawmapboundary()
lons = [-135.3318, -134.8331, -134.6572]
lats = [57.0799, 57.0894, 56.2399]
x, y = my_map(lons, lats)
my_map.plot(x, y, 'bo', markersize=10)
plt.show()
在地图中绘制点中,通常使用plot方法:
- 当您具有点的经度和纬度时,使用Basemap实例计算地图坐标中点的位置
- 如果lat和lon的关键字设置为True,则x,y将解释为经度和纬度,以度为单位。不会在旧Basemap的版本中工作.
绘图需要地图坐标中的x和y位置,在标记和颜色都默认情况下,标记是一个点。 此页面解释所有选项。默认情况下,颜色为black(k)。
这里唯一不明显的是bo参数,它告诉底图对点使用蓝色圆圈。有相当多的颜色和符号,你可以使用。默认标记大小为6,但在此特定地图上太小。12的markersize显示在这张地图上。
绘制单个点的方法是很好的,但我们经常想在地图上绘制一个大的点集。以Baranof岛上的两个其他社区为例,展示这两个社区在这个地图上的位置。我们将点的纬度和经度存储在两个单独的列表中,将它们映射到x和y坐标,并在地图上绘制这些点。因为会在地图上还有更多的点,我们还想应该要稍微减小标记大小:
my_map = Basemap(projection='merc', lat_0=57, lon_0=-135,
resolution='h', area_thresh=0.1,
llcrnrlon=-136.25, llcrnrlat=56.0,
urcrnrlon=-134.25, urcrnrlat=57.75)
my_map.drawcoastlines()
my_map.drawcountries()
my_map.fillcontinents(color='coral')
my_map.drawmapboundary()
lons = [-135.3318, -134.8331, -134.6572]
lats = [57.0799, 57.0894, 56.2399]
x, y = my_map(lons, lats)
my_map.plot(x, y, 'bo', markersize=10)
# 标记了三个点。
labels = ['Sitka', 'Baranof Warm Springs', 'Port Alexander']
# 每个点分别赋值。
for label, xpt, ypt in zip(labels, x, y):
plt.text(xpt, ypt, label)
plt.show()
如果参数是数组,则输出是一行(在这种情况下不带标记):
import numpy as np
my_map = Basemap(projection='merc', lat_0 = 57, lon_0 = -135,
resolution = 'h', area_thresh = 0.1,
llcrnrlon=-136.25, llcrnrlat=56.0,
urcrnrlon=-134.25, urcrnrlat=57.75)
my_map.drawcoastlines()
my_map.drawcountries()
my_map.fillcontinents(color = 'coral')
my_map.drawmapboundary()
lons = [-135.3318, -134.8331, -134.6572]
lats = [57.0799, 57.0894, 56.2399]
x,y = my_map(lons, lats)
my_map.plot(x, y, 'bo', markersize=10)
labels = ['Sitka', 'Baranof Warm Springs', 'Port Alexander']
for label, xpt, ypt in zip(labels, x, y):
plt.text(xpt+10000, ypt+5000, label)
plt.show()
我们通过上图可以看到的城镇已被标记,但标签开始在点的顶部。而且它们不是正确的点,我们可以向这些点添加偏移量。让我们将所有标签向上和向右移动一点。 (如果你好奇,这些偏移在地图投影坐标中,以米为单位,这意味着我们的代码实际上将标签放置在东部10公里,实际城镇北部5公里。)
map = Basemap(projection='ortho',lat_0=0, lon_0=0)
map.drawmapboundary(fill_color='aqua')
map.fillcontinents(color='coral',lake_color='aqua')
map.drawcoastlines()
lons = [-10, -20, -25, -10, 0, 10]
lats = [40, 30, 10, 0, 0, -5]
x, y = map(lons, lats)
map.plot(x, y, marker=None,color='m')
# 顺序连接每个点 颜色为m
plt.show()
my_map = Basemap(projection='merc', lat_0=57, lon_0=-135,
resolution='h', area_thresh=0.1,
llcrnrlon=-136.25, llcrnrlat=56.0,
urcrnrlon=-134.25, urcrnrlat=57.75)
my_map.drawcoastlines()
my_map.drawcountries()
my_map.fillcontinents(color='coral')
my_map.drawmapboundary()
lons = [-135.3318, -134.8331, -134.6572]
lats = [57.0799, 57.0894, 56.2399]
x, y = my_map(lons, lats)
my_map.plot(x, y, 'bo', markersize=10)
labels = ['Sitka', 'Baranof\n Warm Springs', 'Port Alexander']
x_offsets = [10000, -20000, -25000]
y_offsets = [5000, -50000, -35000]
for label, xpt, ypt, x_offset, y_offset in zip(labels, x, y, x_offsets, y_offsets):
plt.text(xpt + x_offset, ypt + y_offset, label)
plt.show()
- x和y给出了网格数据的位置,如果lat和lon自变量为真,则这些值应该在地理坐标中。如果没有,这些值应该在地图坐标中。
- u和v是表示左右和上下幅度。
注意,它们不在南北或东西。如果输入投影具有非圆柱形投影(除cyl,merc,cyl,gall 和mill之外的投影),则应使用rotate_vector或transform_scalar方法旋转u和v。
- 第五个参数(可选)设置一个值将颜色分配给箭头。
- scale使箭头更长或更短。
- 低于1的值的箭头增长。
- 枢轴改变箭头的旋转点。默认情况下是“tip”,但可以更改为“middle”。
这是更好的,但在这个尺度的地图上,相同的偏移量并不适用于所有点。我们可以单独绘制每个标签,但是最好是做出两个列表来存储偏移: 有没有容易的方法来保持“Baranof温泉”越过边界,但在标签中使用换行符使它更清晰一些。现在我们知道如何添加点到地图,我们可以移动到更大的数据集。
my_map = Basemap(projection='merc', lat_0=57, lon_0=-135,
resolution='h', area_thresh=0.1,
llcrnrlon=-136.25, llcrnrlat=56.0,
urcrnrlon=-134.25, urcrnrlat=57.75)
my_map.drawcoastlines()
my_map.drawcountries()
my_map.fillcontinents(color='coral')
my_map.drawmapboundary()
lons = [-135.3318, -134.8331, -134.6572]
lats = [57.0799, 57.0894, 56.2399]
x, y = my_map(lons, lats)
my_map.plot(x, y, 'bo', markersize=10)
# labels = ['Sitka', 'Baranof\n Warm Springs', 'Port Alexander']
x_offsets = [10000, -20000, -25000]
y_offsets = [5000, -50000, -35000]
for label, xpt, ypt, x_offset, y_offset in zip(labels, x, y, x_offsets, y_offsets):
plt.text(xpt + x_offset, ypt + y_offset, label)
plt.show()
- x和y是要作为标记添加到地图的点列表。
- 如果latlon关键字设置为True,则x,y将解释为经度和纬度,以度为单位。不会在旧Basemap版本中工作。
- 默认情况下,标记是一个点。
- 默认情况下,颜色为黑色(k)。
map = Basemap(projection='ortho', lat_0=0, lon_0=0)
map.drawmapboundary(fill_color='aqua')
map.fillcontinents(color='coral',lake_color='aqua')
map.drawcoastlines()
lons = [0, 10, -20, -20]
lats = [0, -10, 40, -20]
x, y = map(lons, lats)
map.scatter(x, y, marker='D',color='m')
plt.show()
my_map = Basemap(projection='merc', lat_0=57, lon_0=-135,
resolution='h', area_thresh=0.1,
llcrnrlon=-136.25, llcrnrlat=56.0,
urcrnrlon=-134.25, urcrnrlat=57.75)
my_map.drawcoastlines()
my_map.drawcountries()
my_map.fillcontinents(color='coral')
my_map.drawmapboundary()
lons = [-135.3318, -134.8331, -134.6572]
lats = [57.0799, 57.0894, 56.2399]
x, y = my_map(lons, lats)
my_map.plot(x, y, 'bo', markersize=10)
labels = ['Sitka', 'Baranof\n Warm Springs', 'Port Alexander']
x_offsets = [10000, -20000, -25000]
y_offsets = [5000, -50000, -35000]
for label, xpt, ypt, x_offset, y_offset in zip(labels, x, y, x_offsets, y_offsets):
plt.text(xpt + x_offset, ypt + y_offset, label)
plt.show()
- x和y是与u和v数据大小相同的矩阵,包含地图坐标中元素的位置。
- 正如文档解释,x和y必须均匀分布。这意味着当原始值来自不同的投影时,必须重新投影 数据矩阵,并重新计算x和y矩阵,如在示例中所见。
- 要均匀计算间隔的网格,可以使用方法makegrid。最好使用returnxy = True属性来获取地图投影单元中的网格。
u和v是左右和上下幅度
注意,它们不在南北和东西。如果输入的投影具有非圆柱形投影(除cyl,merc,cyl,gall 和mill之外的投影),则应使用rotate_vector或transform_scalar方法旋转u和v
尺寸必须与x和y相同
颜色可以为流线设置相同的颜色,或根据数据进行更改:
- 如果值是标量,则所有流线将具有指示的颜色,这取决于色彩映射。
- 如果值是与数据(在示例中的风的模块)相同大小的数组,则颜色将根据它而改变,使用颜色图。
- cmap设置颜色图
- lineewidth以类似于颜色的方式设置流线的宽度
- 如果是标量,则所有流线具有指示的宽度。
- 如果是一个数组,流线宽度将根据数组的值而改变。
- 可以通过密度设置流线图的接近程度。 1值意味着域被划分为30×30,每个扇区只有一条流线。如果传递具有两个元素的列表,则将x和y密度设置为不同的值
- norm标准化标尺以设置亮度数据。
- arrowize缩放箭头大小。
- arrowstyle stes箭头样式。文档在FancyArrowPatch minlength中。
- 设置地图坐标中流线的最小长度。
text
在地图上绘制text。
text(x, y, s, fontdict=None, withdash=False, **kwargs)
- text方法不属于Basemap,但直接属于matplotlib,因此必须从图或轴实例中调用。
map = Basemap(projection='ortho', lat_0=0, lon_0=105)
map.drawmapboundary(fill_color='aqua')
map.fillcontinents(color='#cc9955',lake_color='aqua')
map.drawcoastlines()
lon = 3.4
lat = 3.4
x, y = map(lon, lat)
plt.text(x, y, 'Lagos',fontsize=12,fontweight='bold',
ha='left',va='bottom',color='k')
lon = 2.1
lat = 41.
x, y = map(lon, lat)
plt.text(x, y, 'Barcelona',fontsize=12,fontweight='bold',
ha='left',va='center',color='k',
bbox=dict(facecolor='b', alpha=0.2))
plt.show()
- x和y是地图投影中的坐标。不接受坐标数组,因此要添加多个标签,应多次调用该方法。
- s是文本字符串。
- 当设置为true时,withdrawash将创建一个带有短划线的text。
- fontdict可用于对text属性进行分组。
- text可以有许多选项,如:
- fontsize字体大小。
- fontweight的字体重量,如粗体。
- ha horitzontal对齐,像中心,左或右。
- va垂直对齐,如中心,顶部或底部。
- 图像的颜色。
- bbox在文本周围创建一个框:bbox = dict(facecolor ='red',alpha = 0.5)。
%matplotlib inline
import warnings
warnings.filterwarnings('ignore')
import os
from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
- 第一个参数shapefile名称没有shp扩展名。该库假定所有shp、sbf和shx文件将以此给定名称。
- 第二个参数是稍后从Basemap实例访问shapefile信息的名称,我们将在后面介绍。
map = Basemap(llcrnrlon=-0.5,llcrnrlat=39.8,urcrnrlon=4.,urcrnrlat=43.,
resolution='i', projection='tmerc', lat_0 = 39.5, lon_0 = 1)
map = Basemap(projection='robin', lat_0=0, lon_0=-100,
resolution='l', area_thresh=1000.0)
map.drawmapboundary(fill_color='aqua')
map.fillcontinents(color='#ddaa66',lake_color='aqua')
map.drawcoastlines()
map.readshapefile('/gdata/GSHHS_c', 'comarques')
plt.show()
有一些限制:
- 文件必须为EPSG:4326或lat / lon坐标。如果您的文件不是,您可以使用ogr2ogr来转换它
- 元素只能有2个维度
- 此示例将仅在元素是多边形或折线时显示
- 如图所示,结果将是多边形(或折线)的边界。要填充它们,请查看最后一部分填充多边形
读取点数据
绘制点有点复杂。首先,读取shapefile,然后可以使用散点图、绘图点或matplotlib函数来绘制点,以更好地满足需要。
例子显示在暴风雨期间在加泰罗尼亚落下的闪电
第二个参数已命名为lightnings和Basemap实例映射,所以shapefile元素可以使用map.lightnings几何和map.lightnings_info参数访问元素字段
shapefile方法返回具有元素数量的序列,具有此处定义的代码的几何类型和边界框
第17行显示了迭代所有元素的可能方法:
- zip将使用其字段值连接每个几何
- 每个元素as当迭代一个dict可以迭代一个for。
- 在该示例中,称为振幅的场可以用于猜测闪电是具有正电流还是负电流,并且针对每种情况绘制不同的符号
- 使用方法图绘制点,使用marker属性更改符号
多边形信息
此示例显示如何使用shapefile属性选择一些几何。
- 要迭代所有元素,请像上一个示例一样使用zip
- 有一个名为'nombre'的字段可以用来过滤。在该示例中,仅选择值“Selva”即可。
- 要绘制线,x和y坐标必须是分离的数组,但几何将每个点作为一对。有一个解释如何做到网址http://stackoverflow.com/questions/13635032/what-is-the-inverse-function-of-zip-in-python'_
- 使用plot方法绘制形状,消除标记以获得一条线
%matplotlib inline
import warnings
warnings.filterwarnings('ignore')
from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
from osgeo import gdal
from numpy import linspace
from numpy import meshgrid
para = {
'projection': 'tmerc',
'lat_0': 0,
'lon_0': 3,
'llcrnrlon': 1.819757266426611,
'llcrnrlat': 41.583851612359275,
'urcrnrlon': 1.841589961763497,
'urcrnrlat': 41.598674173123
}
dem_tif = '/gdata/sample_files/dem.tiff'
- 使用与栅格文件相同的扩展名创建映射,这个方法比较简单。
p1 = plt.subplot(121)
map = Basemap(**para)
ds = gdal.Open(dem_tif)
data = ds.ReadAsArray()
x = linspace(0, map.urcrnrx, data.shape[1])
y = linspace(0, map.urcrnry, data.shape[0])
xx, yy = meshgrid(x, y)
cs = map.contour(xx, yy, data, range(400, 1500, 100), cmap=plt.cm.cubehelix)
p2 = plt.subplot(122)
map = Basemap(**para)
ds = gdal.Open(dem_tif)
data = ds.ReadAsArray()
x = linspace(0, map.urcrnrx, data.shape[1])
y = linspace(0, map.urcrnry, data.shape[0])
xx, yy = meshgrid(x, y)
cs = map.contour(xx, yy, data, range(400, 1500, 100), cmap=plt.cm.cubehelix)
plt.clabel(cs, inline=True, fmt='%1.0f', fontsize=12, colors='k')
# fig_index += 1
# plt.savefig(get_tmp_file(__file__, fig_index))
plt.show()
# plt.clf()
- 在绘制轮廓之前,必须创建两个矩阵,包含数据矩阵中每个点的x和y坐标的位置。
- linspace是一个numpy函数,用于创建一个包含n个元素的从初始值到结束值的数组。在这种情况下,地图坐标从0到map.urcrnrx或map.urcrnry,并且具有与数据数组 data.shape [1]和data.shape [0]相同的大小。
- meshgrid是一个numpy函数,它接受两个数组并与它们创建一个矩阵。这一点很重要,因为x坐标在每一列重复,y就在每一行。
- contourf方法将获取x,y和数据矩阵,并将它们绘制在默认色图(称为jet)中,并且自动设置级数。
- 级数可以在数据数组后面定义,您可以在轮廓截面中看到。这可以通过两种方式完成。
- 指示级数的整数。数据数组的极值将指示色标的极值。
- 具有每个级别的值的列表。范围函数对于设置它们是有用的,即范围(0,3000,100)以每100个单位设置级别。
- 数据必须按照contourf情况进行准备:
- 水平设置使用范围函数。我们正在处理高度,所以从400米到1400米,每100米创建一条等高线
- 色彩映射不是默认的jet。这是通过cmap参数传递到cubehelix色彩映射来完成的。
- 标签可以设置为轮廓法(但不能设置为contourf)
- inline使线下的轮廓线被删除
- fmt格式化数字
- fontsize设置标签字体的大小
- 标签颜色的设置。默认情况下,与轮廓线相同
数据必须按照contourf情况进行准备
可以像在轮廓示例中那样更改色彩映射.
注:pcolor和pcolormesh非常相似。在这里你可以看到一个很好的解释
# from numpy import meshgrid
p1 = plt.subplot(121)
map = Basemap(**para)
ds = gdal.Open(dem_tif)
data = ds.ReadAsArray()
x = linspace(0, map.urcrnrx, data.shape[1])
y = linspace(0, map.urcrnry, data.shape[0])
xx, yy = meshgrid(x, y)
map.contourf(xx, yy, data)
创建等高线图。
# plt.show()
p2 = plt.subplot(122)
map = Basemap(**para)
ds = gdal.Open(dem_tif)
data = ds.ReadAsArray()
x = linspace(0, map.urcrnrx, data.shape[1])
y = linspace(0, map.urcrnry, data.shape[0])
xx, yy = meshgrid(x, y)
map.pcolormesh(xx, yy, data)
# plt.savefig(get_tmp_file(__file__, fig_index))
plt.show()
# plt.clf()
# plt.close()
- x和y是与数据相同大小的矩阵,包含地图坐标中元素的位置。
- 数据是包含要绘制的数据值的矩阵。
- 可以传递第四个参数,其中包含创建contour时要使用的级别列表。
- 默认色彩映射是jet,但是参数cmap可用于更改行为。
- 参数tri = True使得网格被假定为非结构化的。
- 其他可能的参数记录在matplotlib函数的docs中。
- 可以在contour结果中添加标签,如在基本功能部分的contour显示。
- x和y是与数据相同大小的矩阵,包含地图坐标中元素的位置。
- 数据是包含要绘制的数据值的矩阵。
- 默认色彩映射是jet,但是参数cmap可用于更改行为。
- 第四个参数可以传递,包含创建contourf时要使用的级别列表。
- 参数tri = True使得网格被假定为非结构化的。
- 其他可能的参数记录在matplotlib函数的docs中。
- x和y是与数据相同大小的矩阵,包含地图坐标中元素的位置。
- 数据是包含要绘制的数据值的矩阵。
- 默认色彩映射是jet,但是参数cmap可用于更改行为。
- 其他可能的参数记录在matplotlib函数的docs中。
%matplotlib inline
import warnings
warnings.filterwarnings('ignore')
from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
import numpy as np
- 文本方法不属于Basemap,但属于matplotlib,因此必须从图或轴实例中调用。
fig = plt.figure(figsize=(6, 4))
plt.subplots_adjust(left=0.05, right=0.95, top=0.90, bottom=0.05, wspace=0.15, hspace=0.05)
ax = plt.subplot(111)
m = Basemap(resolution='i', projection='merc', llcrnrlat=10.0, urcrnrlat=55.0, llcrnrlon=60., urcrnrlon=140.0)
m.drawcountries(linewidth=0.5)
m.drawcoastlines(linewidth=0.5)
m.drawparallels(np.arange(10., 55., 10.), labels=[1, 0, 0, 0], color='black', labelstyle='+/-', linewidth=0.2,
dashes=(None, None)) # draw parallels,dashes=[1,0],
m.drawmeridians(np.arange(60., 140., 10.), labels=[0, 0, 0, 1], color='black', labelstyle='+/-', linewidth=0.2,
dashes=(None, None)) # draw meridians ,dashes=[1,0]
x, y = m(116.4204, 40.21244) # Bejing
x2, y2 = m(125.27538, 43.83453) # Changchun
plt.annotate('Beijing', xy=(x, y), xycoords='data',
# xytext=(x2, y2), textcoords='offset points',
xytext=(x2, y2), textcoords='data',
color='r',
arrowprops=dict(arrowstyle="fancy", color='g')
)
plt.show()
上面第一行的第一个参数是文本字符串 。用于对自定义子图的调整。
- xy是具有由箭头指向的点的x和y坐标的列表。这将是interprete依赖于xycoords参数 。xycoords表示xy中使用的坐标类型:
- 数据意味着数据使用的坐标(投影坐标)。
- 偏移点表示点的偏移 。
- axis pixels表示从轴的左下角开始的像素。
- 其他选项位于注释文档。
- text是与箭头一起的文字,xy是箭头所在的位置。
- textcoords表示xytext中使用的坐标类型,具有与xycoords中相同的选项 。
- arrowprops此可指定箭头的属性,如Line2D文档中所述 。
- 颜色文本的颜色。
import helper; helper.info()