In [4]:
%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。
In [5]:
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('/data/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
In [6]:
%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 = '/data/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。
In [7]:
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')
plt.show()
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
In [8]:
# 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)
Out[8]:
<matplotlib.contour.QuadContourSet at 0x7fe4a96d6ab0>
创建等高线图。
In [9]:
# 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()
- 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。
In [10]:
%matplotlib inline
import warnings
warnings.filterwarnings('ignore')
In [11]:
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。
In [12]:
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。