帶有 cartopy 的靈活地圖可勾選

Question

我經常發現自己需要繪制（大量）各種區域和區域大小的地圖。 我希望這些地圖具有指示經度和緯度的刻度標簽（類似於此示例： https ://scitools.org.uk/cartopy/docs/v0.15/examples/tick_labels.html）。

但是，建議的解決方案對我不起作用，因為它需要有關區域擴展的先驗知識。 多年來，我已經編寫了幾種過於復雜的函數，以便嘗試以靈活的方式使其工作。 那么我現在想知道的是：是否有一個簡單的解決方案可以將緯度和經度刻度標簽放到變量擴展的地圖上？

這在這里有點接近，但仍然很不可靠：

import numpy as np
import cartopy.crs as ccrs 
from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter
import matplotlib.pyplot as plt


def auto_labeling(lon=np.linspace(-10, 40, 10), lat=np.linspace(30, 70, 10), filename='test1.png'):
    proj = ccrs.PlateCarree(central_longitude=0)
    data = np.ones((len(lon), len(lat)))
    ax = plt.subplot(projection=proj)
    ax.pcolormesh(lon, lat, data, transform=ccrs.PlateCarree(), alpha=.5)
    ax.coastlines()
    ax.set_xticks(ax.get_xticks(), crs=ccrs.PlateCarree())
    ax.set_yticks(ax.get_yticks(), crs=ccrs.PlateCarree())
    lon_formatter = LongitudeFormatter()
    lat_formatter = LatitudeFormatter()
    ax.xaxis.set_major_formatter(lon_formatter)
    ax.yaxis.set_major_formatter(lat_formatter)
    plt.savefig(filename, dpi=300)
    plt.close()


if __name__ == '__main__':
    auto_labeling(filename='test3.png')  # nice
    auto_labeling(np.linspace(-120, 120, 10), filename='test4.png')  # not nice but somewhat okay
    auto_labeling(np.linspace(-120, 120, 10), np.linspace(-70, 70, 10), filename='test5.png')  # nice
    # auto_labeling(np.linspace(-180, 180, 10), np.linspace(-90, 90, 10), filename='test6.png')  # fails

Answer 1

PlateCaree 使用ax.set_extent([min(lon), max(lon), min(lat), max(lat)])擴展區域。 ax.pcolormesh()被注釋掉，因為它會導致錯誤。 我對這一點還不夠了解。

import numpy as np
import cartopy.crs as ccrs 
from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter
import matplotlib.pyplot as plt

def auto_labeling(lon=np.arange(-10, 40, 10), lat=np.arange(30, 70, 10), filename='test1.png'):
    proj = ccrs.PlateCarree(central_longitude=0)
    data = np.ones((len(lon), len(lat)))
    plt.figure(figsize=(16,9))
    ax = plt.subplot(projection=proj)
    ax.set_extent([min(lon), max(lon), min(lat), max(lat)])
    # ax.pcolormesh(lon, lat, data, transform=ccrs.PlateCarree(), alpha=.5)
    ax.coastlines()
    ax.set_xticks(lon, crs=ccrs.PlateCarree())
    ax.set_yticks(lat, crs=ccrs.PlateCarree())
    lon_formatter = LongitudeFormatter()
    lat_formatter = LatitudeFormatter()
    ax.xaxis.set_major_formatter(lon_formatter)
    ax.yaxis.set_major_formatter(lat_formatter)
    # plt.savefig(filename, dpi=300)
    # plt.close()
    plt.show()


if __name__ == '__main__':
    auto_labeling(filename='test3.png')  # nice
    auto_labeling(np.arange(-120, 120, 60), filename='test4.png')  # not nice but somewhat okay
    auto_labeling(np.arange(-120, 120, 60), np.arange(-70, 70, 30), filename='test5.png')  # nice

Answer 2

好的，@r-beginners 的set_extend使我走上了正確的軌道。 我仍然不明白正在發生的一切，但有兩件事似乎很重要：

• 自動創建的刻度需要限制為 [-180, 180] & [-90, 90] 否則我也會收到錯誤
• 設置擴展使情節在我嘗試過的所有情況下看起來都不錯

我還添加了一個偏移參數，用於處理@swatchai 默認情況下在每個方向上將范圍提高和擴展半個網格單元的問題。 更多也是可能的，因為我認為這有時看起來不錯。

import numpy as np
import cartopy.crs as ccrs
from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter
import matplotlib.pyplot as plt


def auto_labeling(lon, lat, filename, offset_dx=.5, offset_dy=.5):
    assert len(np.unique(lon[1:] - lon[:-1])) == 1
    assert len(np.unique(lat[1:] - lat[:-1])) == 1
    yy, xx = np.meshgrid(lat, lon)
    data = np.ones((len(lon), len(lat)))

    proj = ccrs.PlateCarree(central_longitude=0)
    ax = plt.subplot(projection=proj)
    ax.pcolormesh(xx, yy, data, transform=ccrs.PlateCarree(), alpha=.5)
    ax.coastlines()

    xticks = ax.get_xticks()
    yticks = ax.get_yticks()
    xticks = xticks[(xticks>=-180) & (xticks<=180)]
    yticks = yticks[(yticks>=-90) & (yticks<=90)]
    ax.set_xticks(xticks, crs=ccrs.PlateCarree())
    ax.set_yticks(yticks, crs=ccrs.PlateCarree())

    lon_formatter = LongitudeFormatter()
    lat_formatter = LatitudeFormatter()
    ax.xaxis.set_major_formatter(lon_formatter)
    ax.yaxis.set_major_formatter(lat_formatter)

    # set the plot extend
    dx = (lon[1] - lon[0])*offset_dx
    dy = (lat[1] - lat[0])*offset_dy
    lon_min = max([-180, min(lon) - dx])
    lon_max = min([180, max(lon) + dx])
    lat_min = max([-90, min(lat) - dy])
    lat_max = min([90, max(lat) + dy])
    ax.set_xlim(lon_min, lon_max)
    ax.set_ylim(lat_min, lat_max)

    plt.savefig(filename, dpi=300)
    plt.close()

if __name__ == '__main__':
    auto_labeling(np.arange(-10, 40+2.5, 2.5), np.arange(30, 70+2.5, 2.5), 'test1.png', 1, 1)
    auto_labeling(np.arange(-120, 120+2.5, 2.5), np.arange(30, 70+2.5, 2.5), 'test2.png')
    auto_labeling(np.arange(-120, 120+2.5, 2.5), np.arange(-70, 70+2.5, 2.5), 'test3.png')
    auto_labeling(np.arange(-180+1.25, 180, 2.5), np.arange(-90+1.25, 90, 2.5), 'test4.png', 2, 3)  # offset is ignored for this case