matplotlib basemap 繪製多邊形區域曲線

1.簡介

在平常的python使用中，有些時候需要基於gis的地理數據繪製相關的數據圖形，如上圖所示，python中的matplotlib繪圖包當然能夠勝任這個工作，但實際操作中國確實有很多細節需要注意。

---

2.運行環境

• python 3.5 :筆者使用python3.x，當然2.7也是一樣可以的
• matplotlib 1.5.3
• Basemap 1.1.0:basemap的安裝包比較大，快捷安裝可以參考筆者的另一篇博客文章
• pyshp 1.2.12:python中處理shapefile的包，程序中需要讀入基於shapefile的gis地理數據作爲地形邊界
• json 2.5.1(可選)：json包用於讀取數據文件，讀者可以根據自己的數據類型選取相應的數據處理包
• numpy 1.11.1:python中用的相當多的包，對數組的封裝堪稱完美
• shapely 1.6.0:python中專門處理多邊形的包，程序中用於判斷數據點是否在指定區域內

---

3.代碼流程

首先來分析下繪圖的整體思路，我們所有的圖形操作都是在Basemap上的操作，其餘的包和數據都是輔助。步驟是先繪製指定方形區域的數據圖，然後在將指定多邊形區域外的內容去掉。

1. 導入相關包

import numpy as np
from mpl_toolkits.basemap import Basemap
from matplotlib.path import Path
from matplotlib.patches import PathPatch
import matplotlib.pyplot as plt
import shapefile as sf
from matplotlib.mlab import griddata
import json
from shapely.geometry import Polygon as ShapelyPolygon
from shapely.geometry import Point as ShapelyPoint

1. 設定些基本常數

# 繪圖的經緯度範圍，經度範圍113.4-115.8,緯度範圍37.3-38.9
PLOTLATLON = [113.4, 115.8, 37.3, 38.9]
# 地圖的中心點經緯度座標
SJZ_Center = [38.03, 114.48]
# 插值時設置的格點數，需要依據實際情況動態調整
PLOT_Interval = 100

1. 讀入離散點的json數據,插值到指定的格點上

with open('path/to/your/data/data.json') as data_file:
    data = json.load(data_file)
    # 經度數據list
    x = []
    # 緯度數據list
    y = []
    # 實際數據list,這裏以溫度Temperature爲例
    Temperature = []
    #數據預處理，剔除掉錯誤或缺測值，只讀取有用的數據點
    for station in data:
        if not station['TEM'] or station['TEM'] == '999999':
            # Temperature.append(np.NaN)
            pass
        else:
            Temperature.append(float(station['TEM']))
            x.append(float(station['Lon']))
            y.append(float(station['Lat']))


    # 定義經度和緯度兩個方向上的插值格點，這裏用到之前全局定義的插值數PLOT_Interval
    xi = np.linspace(PLOTLATLON[0], PLOTLATLON[1], PLOT_Interval)
    yi = np.linspace(PLOTLATLON[2], PLOTLATLON[3], PLOT_Interval)
    # 使用matplotlib.mlab下的griddata函數來將離散的數據格點插值到固定網格上［xi,yi］，這裏插值函數設置值爲'linear'爲線性插值，當然還有另外一種是臨近插值'nn'，詳細請參看https://matplotlib.org/api/mlab_api.html
    zi = griddata(np.array(x), np.array(y), np.array(Temperature), xi, yi, interp='linear')

4.創建basemap地圖

# matplotlib的基本製圖初始化操作
fig = plt.figure()
ax = fig.add_subplot(111)
# 創建basemap，參數中設定圖像左下角和右上角的經緯度，共4個值，basemap包含的地圖投影有很多種，這裏選取'lcc',詳細參數設置參看http://basemaptutorial.readthedocs.io/en/latest/basemap.html
map = Basemap(llcrnrlon=PLOTLATLON[0],llcrnrlat=PLOTLATLON[2],\
             urcrnrlon=PLOTLATLON[1],urcrnrlat=PLOTLATLON[3],\
             resolution='i', projection='lcc', lat_0 = SJZ_Center[0], lon_0 = SJZ_Center[1])
# basemap當然也可以讀取shape文件，調用下面這個readshapefile即可,參看http://basemaptutorial.readthedocs.io/en/latest/shapefile.html
map.readshapefile('path/to/your/shapefile/path', 'shapefile_alias')

5.繪製數據圖形

# 調整格點投影座標,這是basemap一個值得注意的細節，因爲投影格式的區別，需要將經緯度的數值［xi,yi］投影到實際的製圖座標
x1, y1 = map(xi, yi)
# 網格化經緯度網格：調用numpy的meshgrid函數來生成後面需要的網格化的數據格點xx,yy
xx, yy = np.meshgrid(x1, y1)
# 繪圖等值線:這裏使用basemap的兩種繪製數據的方法，pcolor和等值線contour，詳細參看http://basemaptutorial.readthedocs.io/en/latest/plotting_data.html
# 等值線的相關參數api地址：https://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.contour
PCM = map.pcolor(xx, yy, zi, alpha=0.8)
CS = map.contour(xx, yy, zi,\
            alpha=0.8,
            linestyles = 'dashed',
            levels = np.arange(np.min(Temperature),np.max(Temperature),1)
            )
# matplotlib中通過調用plt.clabel給等值線上標上相關的文本數據，相關的參數設置參看：https://matplotlib.org/devdocs/api/_as_gen/matplotlib.axes.Axes.clabel.html
CS_label = plt.clabel(CS, inline=True, inline_space=10, fontsize=8, fmt='%2.0f', colors='k')

6.裁剪邊緣

# 調用shapefile模塊讀入shape文件，shapefile的官方模塊路徑爲：https://pypi.python.org/pypi/pyshp
sjz = sf.Reader('path/to/your/shapefile/path')
for shape_rec in sjz.shapeRecords():
    vertices = []
    codes = []
    pts = shape_rec.shape.points
    prt = list(shape_rec.shape.parts) + [len(pts)]
    for i in range(len(prt) - 1):
        for j in range(prt[i], prt[i+1]):
            vertices.append(map(pts[j][0], pts[j][1]))
        codes += [Path.MOVETO]
        codes += [Path.LINETO] * (prt[i+1] - prt[i] -2)
        codes += [Path.CLOSEPOLY]
    clip = Path(vertices, codes)
    clip = PathPatch(clip, transform=ax.transData)

＃等值線的導出類型CS中包含collections，可以直接通過其中的set_clip_path函數來切除邊緣，不過只限於contour等值線層，詳細參見http://basemaptutorial.readthedocs.io/en/latest/clip.html
for contour in CS.collections:
    contour.set_clip_path(clip)

# 下面通過調用shapely的多邊形來將之前用clabel標上的文本數字進行過濾刪除邊界外的數據，參見https://stackoverflow.com/questions/42929534/set-clip-path-on-a-matplotlib-clabel-not-clipping-properly
clip_map_shapely = ShapelyPolygon(vertices)
for text_object in CS_label:
    if not clip_map_shapely.contains(ShapelyPoint(text_object.get_position())):
        text_object.set_visible(False)
# 因爲pcolor返回的是一個polygon的對象，因此可以直接調用set_clip_path來切除該圖層的邊緣
PCM.set_clip_path(clip)

plt.show()

---

5.總結

圖雖看着簡單，其中的細節處理確實值得深入研究，筆者也未完全熟練掌握，其中用了pcolor和contour兩個函數來描繪數據圖層，是因爲基於筆者的數據一個contourf繪出結果奇怪。當然，如果只有一個contourf圖層則可以用官方推薦的邊界刪除方法直接去除。http://basemaptutorial.readthedocs.io/en/latest/clip.html

---