python用cartopy包畫地圖（python cartopy繪圖）

本文目錄一覽：

• 1、cartopy與 Folium 哪個強大
• 2、如何系統地自學 Python
• 3、Cartopy繪圖系列 | 繪製全球溫度場+風矢量場
• 4、Python氣象數據處理與繪圖(12)：軌跡(颱風路徑，寒潮路徑，水汽軌跡)繪製

cartopy與 Folium 哪個強大

個人推薦Cartopy。

Cartopy是一個Python包，用於地理空間數據處理，以便生成地圖和其他地理空間數據分析。 Cartopy利用了強大的PROJ.4、NumPy和Shapely庫，並在Matplotlib之上構建了一個編程介面，用於創建發布質量的地圖。 cartopy的主要特點是面向對象的投影定義，以及在投影之間轉換點、線、向量、多邊形和圖像的能力。 您會發現 Cartopy 對於大尺度/小比例尺數據特別有用，在這些數據中，球數據的笛卡爾假設通常會被打破。

folium是js上著名的地理信息可視化庫leaflet.js為Python提供的介面，通過它，我們可以通過在Python端編寫代碼操縱數據，來調用leaflet的相關功能，基於內建的osm或自行獲取的osm資源和地圖原件進行地理信息內容的可視化，以及製作優美的可交互地圖。其語法格式類似ggplot2，是通過不斷添加圖層元素來定義一個Map對象，最後以幾種方式將Map對象展現出來。

如何系統地自學 Python

是否非常想學好 Python，一方面被瑣事糾纏，一直沒能動手，另一方面，擔心學習成本太高，心裡默默敲著退堂鼓？

幸運的是，Python 是一門初學者友好的編程語言，想要完全掌握它，你不必花上太多的時間和精力。

Python 的設計哲學之一就是簡單易學，體現在兩個方面：

語法簡潔明了：相對 Ruby 和 Perl，它的語法特性不多不少，大多數都很簡單直接，不玩兒玄學。

切入點很多：Python 可以讓你可以做很多事情，科學計算和數據分析、爬蟲、Web 網站、遊戲、命令行實用工具等等等等，總有一個是你感興趣並且願意投入時間的。

廢話不多說，學會一門語言的捷徑只有一個： Getting Started

¶ 起步階段

任何一種編程語言都包含兩個部分：硬知識和軟知識，起步階段的主要任務是掌握硬知識。

硬知識

「硬知識」指的是編程語言的語法、演算法和數據結構、編程範式等，例如：變數和類型、循環語句、分支、函數、類。這部分知識也是具有普適性的，看上去是掌握了一種語法，實際是建立了一種思維。例如：讓一個 Java 程序員去學習 Python，他可以很快的將 Java 中的學到的面向對象的知識 map 到 Python 中來，因此能夠快速掌握 Python 中面向對象的特性。

如果你是剛開始學習編程的新手，一本可靠的語法書是非常重要的。它看上去可能非常枯燥乏味，但對於建立穩固的編程思維是必不可少。

下面列出了一些適合初學者入門的教學材料：

廖雪峰的 Python 教程    Python 中文教程的翹楚，專為剛剛步入程序世界的小白打造。  

笨方法學 Python    這本書在講解 Python 的語法成分時，還附帶大量可實踐的例子，非常適合快速起步。  

The Hitchhiker』s Guide to Python!    這本指南著重於 Python 的最佳實踐，不管你是 Python 專家還是新手，都能獲得極大的幫助。  

Python 的哲學：

用一種方法，最好是只有一種方法來做一件事。

學習也是一樣，雖然推薦了多種學習資料，但實際學習的時候，最好只選擇其中的一個，堅持看完。

必要的時候，可能需要閱讀講解數據結構和演算法的書，這些知識對於理解和使用 Python 中的對象模型有著很大的幫助。

軟知識

「軟知識」則是特定語言環境下的語法技巧、類庫的使用、IDE的選擇等等。這一部分，即使完全不了解不會使用，也不會妨礙你去編程，只不過寫出的程序，看上去顯得「傻」了些。

對這些知識的學習，取決於你嘗試解決的問題的領域和深度。對初學者而言，起步階段極易走火，或者在選擇 Python 版本時徘徊不決，一會兒看 2.7 一會兒又轉到 3.0，或者徜徉在類庫的大海中無法自拔，Scrapy，Numpy，Django 什麼都要試試，或者參與編輯器聖戰、大括弧縮進探究、操作系統辯論賽等無意義活動，或者整天跪舔語法糖，老想著怎麼一行代碼把所有的事情做完，或者去構想聖潔的性能安全通用性健壯性全部滿分的解決方案。

很多「大牛」都會告誡初學者，用這個用那個，少走彎路，這樣反而把初學者推向了真正的彎路。

還不如告訴初學者，學習本來就是個需要你去走彎路出 Bug，只能腳踏實地，沒有奇蹟只有狗屎的過程。

選擇一個方向先走下去，哪怕臟丑差，走不動了再看看有沒有更好的解決途徑。

自己走了彎路，你才知道這麼做的好處，才能理解為什麼人們可以手寫狀態機去匹配卻偏要發明正則表達式，為什麼面向過程可以解決卻偏要面向對象，為什麼我可以操縱每一根指針卻偏要自動管理內存，為什麼我可以嵌套回調卻偏要用 Promise…

更重要的是，你會明白，高層次的解決方法都是對低層次的封裝，並不是任何情況下都是最有效最合適的。

技術湧進就像波浪一樣，那些陳舊的封存已久的技術，消退了遲早還會涌回的。就像現在移動端應用、手游和 HTML5 的火熱，某些方面不正在重演過去 PC 的那些歷史么？

因此，不要擔心自己走錯路誤了終身，堅持並保持進步才是正道。

起步階段的核心任務是掌握硬知識，軟知識做適當了解，有了穩固的根，粗壯的枝幹，才能長出濃密的葉子，結出甜美的果實。

¶ 發展階段

完成了基礎知識的學習，必定會感到一陣空虛，懷疑這些語法知識是不是真的有用。

沒錯，你的懷疑是非常正確的。要讓 Python 發揮出它的價值，當然不能停留在語法層面。

發展階段的核心任務，就是「跳出 Python，擁抱世界」。

在你面前會有多個分支：科學計算和數據分析、爬蟲、Web 網站、遊戲、命令行實用工具等等等等，這些都不是僅僅知道 Python 語法就能解決的問題。

拿爬蟲舉例，如果你對計算機網路，HTTP 協議，HTML，文本編碼，JSON 一無所知，你能做好這部分的工作么？而你在起步階段的基礎知識也同樣重要，如果你連循環遞歸怎麼寫都還要查文檔，連 BFS 都不知道怎麼實現，這就像工匠做石凳每次起錘都要思考鎚子怎麼使用一樣，非常低效。

在這個階段，不可避免要接觸大量類庫，閱讀大量書籍的。

類庫方面

「Awesome Python 項目」：vinta/awesome-python · GitHub

這裡列出了你在嘗試解決各種實際問題時，Python 社區已有的工具型類庫，如下圖所示：

請點擊輸入圖片描述

vinta/awesome-python

你可以按照實際需求，尋找你需要的類庫。

至於相關類庫如何使用，必須掌握的技能便是閱讀文檔。由於開源社區大多數文檔都是英文寫成的，所以，英語不好的同學，需要惡補下。

書籍方面

這裡我只列出一些我覺得比較有一些幫助的書籍，詳細的請看豆瓣的書評：

科學和數據分析：

❖「集體智慧編程」：集體智慧編程 (豆瓣)

❖「數學之美」：數學之美 (豆瓣)

❖「統計學習方法」：統計學習方法 (豆瓣)

❖「Pattern Recognition And Machine Learning」：Pattern Recognition And Machine Learning (豆瓣)

❖「數據科學實戰」：數據科學實戰 (豆瓣)

❖「數據檢索導論」：信息檢索導論 (豆瓣)

爬蟲：

❖「HTTP 權威指南」：HTTP權威指南 (豆瓣)

Web 網站：

❖「HTML CSS 設計與構建網站」：HTML CSS設計與構建網站 (豆瓣)

…

列到這裡已經不需要繼續了。

聰明的你一定會發現上面的大部分書籍，並不是講 Python 的書，而更多的是專業知識。

事實上，這裡所謂「跳出 Python，擁抱世界」，其實是發現 Python 和專業知識相結合，能夠解決很多實際問題。這個階段能走到什麼程度，更多的取決於自己的專業知識。

¶ 深入階段

這個階段的你，對 Python 幾乎了如指掌，那麼你一定知道 Python 是用 C 語言實現的。

可是 Python 對象的「動態特徵」是怎麼用相對底層，連自動內存管理都沒有的C語言實現的呢？這時候就不能停留在表面了，勇敢的拆開 Python 的黑盒子，深入到語言的內部，去看它的歷史，讀它的源碼，才能真正理解它的設計思路。

這裡推薦一本書：

「Python 源碼剖析」：Python源碼剖析 (豆瓣)

這本書把 Python 源碼中最核心的部分，給出了詳細的闡釋，不過閱讀此書需要對 C 語言內存模型和指針有著很好的理解。

另外，Python 本身是一門雜糅多種範式的動態語言，也就是說，相對於 C 的過程式、 Haskell 等的函數式、Java 基於類的面向對象而言，它都不夠純粹。換而言之，編程語言的「道學」，在 Python 中只能有限的體悟。學習某種編程範式時，從那些面向這種範式更加純粹的語言出發，才能有更深刻的理解，也能了解到 Python 語言的根源。

這裡推薦一門公開課

「編程範式」：斯坦福大學公開課：編程範式

講師高屋建瓴，從各種編程範式的代表語言出發，給出了每種編程範式最核心的思想。

值得一提的是，這門課程對C語言有非常深入的講解，例如C語言的范型和內存管理。這些知識，對閱讀 Python 源碼也有大有幫助。

Python 的許多最佳實踐都隱藏在那些眾所周知的框架和類庫中，例如 Django、Tornado 等等。在它們的源代碼中淘金，也是個不錯的選擇。

¶  最後的話

每個人學編程的道路都是不一樣的，其實大都殊途同歸，沒有迷路的人只有不能堅持的人！

希望想學 Python 想學編程的同學，不要猶豫了，看完這篇文章，

Just Getting Started  ！！！

Cartopy繪圖系列 | 繪製全球溫度場+風矢量場

除此之外，我想給大家推薦 Python 的一種製圖工具包 Cartopy,（內容比Basemap更加豐富和實用）

為什麼要選用Cartopy ?

官網教程：

1）Anaconda環境

如果你正在使用 Python 的科學計算髮行版 Anaconda，安裝 Cartopy 非常容易。

命令行輸入: conda install -c conda-forge cartopy

2）Windows環境

命令行輸入：pip install cartopy

3）可以切換國內像源，安裝速度更快

命令行輸入：pip install -i cartopy

測試是否安裝成功：

啟動python命令行工具，輸入 import cartopy 如果沒有報錯，則安裝成功！

往往我們需要繪製自定義範圍的研究區域，需要繪製指定shapefile文件的邊界！

Python氣象數據處理與繪圖(12)：軌跡(颱風路徑，寒潮路徑，水汽軌跡)繪製

寒潮是筆者主要的研究方向，寒潮路徑作為寒潮重要的特徵，是寒潮預報的重點之一，同樣的道理也適用在颱風研究以及降水的水汽來源研究中。關於路徑的計算以及獲取方法(比如軌跡倒推，模型追蹤等等方法，颱風有自己現成的數據集，比如ibtracs數據集等等)並不在本文的介紹範圍之內，本文主要介紹在獲取了相應的路徑坐標後，如何在圖中美觀的展現。

上圖展現了近40年東北亞區域的冬季冷空氣活動路徑，繪製這類圖需要的數據只需為每條路徑的N個三維坐標點，第一第二維分別為longitude和latitudee，第三維則比較隨意，根據需要選擇，比如說需要體現高度，那就用高度坐標，需要體現冷空氣強度，那就用溫度數據，水汽可以用相對濕度，颱風也可以用速度等等。

通常此類數據是由.txt(.csv)等格式存儲的，讀取和處理方法可參考我的「Python氣象數據處理與繪圖(1)：數據讀取」，本文主要介紹繪圖部分。

當然根據需要，也可以直接繪製兩維的軌跡，即取消掉顏色數組，用最簡單的plot語句，循環繪製即可。

有一個陷阱需要大家注意的是，當軌跡跨越了東西半球時，即穿越了0°或者360°經線時，它的連接方式是反向繞一圈，比如下圖所示，你想要藍色的軌跡，然而很有可能得到綠色的，這是因為你的網格數組的邊界是斷點，系統不會自動識別最短路徑，只會在數組中直接想連，因為這不是循環數組。

我目前的解決辦法是這樣的：如果你的數據是0°-360°格式，那麼變為-180°-180°的格式，反之相互轉換。但是如果你的數據兩種都出現了斷點，也就是繞了地球一圈多，那無論怎樣都么得辦法了，我目前的思路是將數據轉換成極坐標數據格式，理論上是可行的，CARTOPY的繪圖也是支持極坐標數據的，具體實施還需要再試試。