Cartopy：Python地理数据处理库

一、介绍

Cartopy是一个Python开源地图制图库。它提供了一种简单而有效的方式来处理和可视化地理信息数据，并可以与众多其他Python数据处理库集成使用。Cartopy的主要目标是支持MATLAB用户和其他科学Python用户在地理坐标系中进行数据处理和绘图，从而使得地理数据处理变得更加容易。

二、功能

Cartopy提供了一些开放式源数据和地图投影转换工具，以及所有Earth Observation (EO)数据所需的地图制图功能。功能包含以下三个部分：

① 地理坐标系统（CRS）–实现了从输入投影（投影后坐标系）到输出投影（投影后坐标系）之间的基本转换，这是任何地图制图应用程序的基础。

② 地图特征–提供了一些标准的地图特征，比如河流、湖泊和国家边界等，方便制作基本图。

③ 矢量数据–Cartopy支持geojson、shapely或任何其他类型的矢量输入数据。

三、Cartopy安装指南（Python 3.x）

pip install cartopy

如果您使用的是Ubuntu 14.04及以上的操作系统，可以使用以下命令安装：

sudo apt-get install libproj-dev proj-data proj-bin

使用Anaconda环境，可以使用以下命令安装:

conda install -c conda-forge cartopy

四、使用Cartopy处理地理数据

1. 绘制简单地理数据

在Cartopy中，我们可以轻松地绘制各种地理数据。以下是一个使用Cartopy画出地球的例子：

import cartopy.crs as ccrs
import matplotlib.pyplot as plt
fig = plt.figure(figsize=(10, 4))
ax = fig.add_subplot(1, 1, 1,
                     projection=ccrs.PlateCarree())
ax.coastlines()
plt.show()

在这个例子中，我们使用ccrs.PlateCarree()定义绘图的投影方式，并使用ax.coastlines()绘制海岸线。

2. 绘制地理数据和点

以下示例展示如何在一个Cartopy图形中绘制地图数据和点：

import numpy as np
import matplotlib.pyplot as plt
import cartopy.crs as ccrs
import cartopy.feature as cfeature
lat = np.array([42.58, 40.01])
lon = np.array([-121.52, -113.80])
fig = plt.figure(figsize=(9, 4))
ax = fig.add_subplot(1, 1, 1,
                     projection=ccrs.PlateCarree())
transform = ccrs.PlateCarree()._as_mpl_transform(ax)
ax.add_feature(cfeature.OCEAN)
ax.add_feature(cfeature.LAND)
ax.add_feature(cfeature.COASTLINE)
ax.add_feature(cfeature.BORDERS)
ax.scatter(lon, lat, s=40, marker='o',
           color='red', transform=transform)
plt.show()

在这个例子中，我们添加了POLITICAL和OCEAN特征，并使用ax.scatter()在地图上绘制出两个点。

3. 绘制等值线和色带

以下示例展示了如何在Cartopy中绘制等值线和色带图：

import numpy as np
import matplotlib.pyplot as plt
import cartopy.crs as ccrs
import cartopy.feature as cfeature
x = np.linspace(-10, 10, 500)
y = np.linspace(-10, 10, 500)
X, Y = np.meshgrid(x, y)
Z = np.sin(X)*np.cos(Y)+np.random.rand(*X.shape)*0.1
fig = plt.figure(figsize=(10, 4))
ax = fig.add_subplot(1, 1, 1, projection=ccrs.Robinson())
levels = np.linspace(-1.2, 1.2, 40)
plt.contourf(X, Y, Z, levels=levels, cmap='RdBu_r')
plt.colorbar()
ax.coastlines()
plt.show()

在这个例子中，我们首先使用np.linspace()和np.meshgrid()函数生成一些数据，然后在调用plt.contourf()函数时指定等值线的级别和色带颜色。

4. 绘制覆盖层和标记

以下示例展示了如何在Cartopy中绘制温度数据、省界和标记：

import cartopy.crs as ccrs
from cartopy.mpl.ticker import (LongitudeFormatter,
                                 LatitudeFormatter)
import matplotlib.pyplot as plt
import cartopy.feature as cfeature
import pandas as pd
from cartopy.io import shapereader
from matplotlib import cm
data = pd.read_csv('temperature.csv')
province = shapereader.Reader('province.shp')
res = []
for record in province.records():
    name = record.attributes['name']
    geometry = record.geometry
    res.append((name, geometry))
fig = plt.figure(figsize=(10, 6))
ax = fig.add_axes([0.05, 0.05, 0.9, 0.9],
                  projection=ccrs.PlateCarree())
for name, geometry in res:
    ax.add_geometries([geometry], crs=ccrs.PlateCarree(),
                      edgecolor='black', facecolor='none',
                      linewidths=0.5)
lats = data['latitude']
lons = data['longitude']
temp = data['temperature']
norm = plt.Normalize(temp.min(), temp.max())
cmap = cm.RdYlBu_r
ax.scatter(lons, lats, s=50, c=temp, cmap=cmap, norm=norm,
           transform=ccrs.PlateCarree())
ax.set_extent([110, 125, 30, 43], crs=ccrs.PlateCarree())
ax.set_xticks(np.arange(110, 126, 5), crs=ccrs.PlateCarree())
ax.set_yticks(np.arange(30, 44, 5), crs=ccrs.PlateCarree())
lon_formatter = LongitudeFormatter(zero_direction_label=True)
lat_formatter = LatitudeFormatter()
ax.xaxis.set_major_formatter(lon_formatter)
ax.yaxis.set_major_formatter(lat_formatter)
ax.add_feature(cfeature.LAND.with_scale('50m'))
ax.add_feature(cfeature.OCEAN.with_scale('50m'))
ax.add_feature(cfeature.RIVERS.with_scale('50m'))
plt.show()

在这个例子中，我们在地图上添加了省级界线特征，使用plt.Normalize()函数来规范化温度，然后使用ax.scatter()绘制温度数据点和标记。

五、总结

Cartopy是Python中用于制作地图和处理地理数据的最佳库之一。Cartopy内置了广泛的地图特征，可以集成地形图、国家边界、海洋和河流等信息。同时，Cartopy还支持多种地图投影方式和数据格式，适合各种地图制图需求。尽管在绘制过程中可能需要花费一些时间，但使用Cartopy可以轻松地绘制复杂的地图，定制化地显示您的数据，并使您的科学数据更加易于理解。