科研相关图片绘制

科研相关图片绘制

0. 概述

1. Python绘制地图

1.1 地图绘制三方库介绍

Cartopy介绍

Cartopy官方介绍网页：Introduction — cartopy 0.24.1 documentation

Cartopy是一个Python包，用于地理空间数据处理，以便生成地图和其他地理空间数据分析。 Cartopy利用了强大的PROJ.4、NumPy和Shapely库，并在Matplotlib之上构建了一个编程接口，用于创建发布高质量的地图。

Cartopy的主要特点是面向对象的投影定义，以及在投影之间转换点、线、向量、多边形和图像的能力。

Cartopy 安装

1.使用pip安装

安装稳定版本：

1
pip install cartopy

安装最新版本：

1
pip install git+https://github.com/SciTools/cartopy.git

2.使用conda安装

1
conda install -c conda-forge cartopy

3.使用源码安装（Linux）

1
2
3
4
5
git clone https://github.com/SciTools/cartopy.git
cd cartopy
# Uncomment the following to specify non-standard include and library paths
# python setup.py build_ext -I/path/to/include -L/path/to/lib
python setup.py install

4.依赖库安装

1
2
3
4
5
git clone https://github.com/SciTools/cartopy.git
cd cartopy
conda env create -f environment.yml
conda activate cartopy-dev
pip install -e .

1.2 绘制世界地图

以官方的算例为例：Global Map — cartopy 0.16.0 documentation

算例的代码为：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
import matplotlib.pyplot as plt

import cartopy.crs as ccrs


def main():
    fig = plt.figure(figsize=(10, 5))
    ax = fig.add_subplot(1, 1, 1, projection=ccrs.Robinson())

    # make the map global rather than have it zoom in to
    # the extents of any plotted data
    ax.set_global()

    ax.stock_img()
    ax.coastlines()

    ax.plot(-0.08, 51.53, 'o', transform=ccrs.PlateCarree())
    ax.plot([-0.08, 132], [51.53, 43.17], transform=ccrs.PlateCarree())
    ax.plot([-0.08, 132], [51.53, 43.17], transform=ccrs.Geodetic())

    plt.show()


if __name__ == '__main__':
    main()

算例的效果为：

这个算例中，绘制地图的代码为这句ax = fig.add_subplot(1, 1, 1, projection=ccrs.Robinson()),其中修改最多的参数为地图投影函数，projection=ccrs.PlateCarree(),分别有如下几个选择：

1.projection=ccrs.PlateCarree(),绘制效果为：

2.projection=ccrs.Mercator(),绘制效果为：

3.projection=ccrs.Orthographic(),绘制效果为：

4. 往地图增加经纬度

修改代码到如下版本：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
import matplotlib.pyplot as plt
import cartopy.crs as ccrs

import numpy as np

# 导入Cartopy专门提供的经纬度的Formatter
from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter

def main():
    fig = plt.figure(figsize=(10, 5))
    # ax = fig.add_subplot(1, 1, 1, projection=ccrs.Robinson())
    ax = fig.add_subplot(1, 1, 1, projection=ccrs.PlateCarree())
    # ax = fig.add_subplot(1, 1, 1, projection=ccrs.Mercator())
    # ax = fig.add_subplot(1, 1, 1, projection=ccrs.Orthographic())

    # make the map global rather than have it zoom in to
    # the extents of any plotted data
    ax.set_global()

    ax.stock_img()
    ax.coastlines()

    ax.plot(-0.08, 51.53, 'o', transform=ccrs.PlateCarree())
    ax.plot([-0.08, 132], [51.53, 43.17], transform=ccrs.PlateCarree())
    ax.plot([-0.08, 132], [51.53, 43.17], transform=ccrs.Geodetic())

    # 设置大刻度和小刻度
    tick_proj = ccrs.PlateCarree()
    ax.set_xticks(np.arange(-180, 180 + 60, 60), crs=tick_proj)
    ax.set_xticks(np.arange(-180, 180 + 30, 30), minor=True, crs=tick_proj)
    ax.set_yticks(np.arange(-90, 90 + 30, 30), crs=tick_proj)
    ax.set_yticks(np.arange(-90, 90 + 15, 15), minor=True, crs=tick_proj)

    # 利用Formatter格式化刻度标签
    ax.xaxis.set_major_formatter(LongitudeFormatter())
    ax.yaxis.set_major_formatter(LatitudeFormatter())

    plt.show()


if __name__ == '__main__':
    main()

我自己的测试，在**projection=ccrs.PlateCarree()**的时候才不会报错，其他投影方式无法正常运行通过，最终的运行效果如下：

后续，有其他需求，类似绘制全球测站点分布或者其他需求，在上述代码的基础上修改即可。

1.3 绘制中国地图

cartopy方法

网上有很多教程，这里需要注意的是，使用官方的数据库会出现国家线缺失的问题。这里需要对相应部分进行修改，确保绘制的中国地图没有领土缺失。

我的数据是从这下载的CN-border-La.dat文件：gmt/CN-border-La.dat at master · shineusn/gmt

最后实现的代码是：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
import numpy as np
import matplotlib.pyplot as plt
import cartopy.crs as ccrs
import cartopy.feature as cfeature


#读取CN-border-La.dat文件
with open(rf'CN-border-La.dat') as src:
    context = src.read()
    blocks = [cnt for cnt in context.split('>') if len(cnt) > 0]
    borders = [np.fromstring(block, dtype=float, sep=' ') for block in blocks]
#设置画图各种参数
fig = plt.figure(figsize=[8, 8])
# 设置投影类型和经纬度
ax = plt.axes(projection=ccrs.LambertConformal(central_latitude=90,
                                               central_longitude=105))
# 画海，陆地，河流，湖泊
ax.add_feature(cfeature.OCEAN.with_scale('50m'))
ax.add_feature(cfeature.LAND.with_scale('50m'))
ax.add_feature(cfeature.RIVERS.with_scale('50m'))
ax.add_feature(cfeature.LAKES.with_scale('50m'))
# 画国界
for line in borders:
    ax.plot(line[0::2], line[1::2], '-', color='gray',transform=ccrs.Geodetic())
# 画经纬度网格
ax.gridlines(linestyle='--')
# 框出区域
ax.set_extent([80, 130, 13, 55])
# 画南海，这一步是新建一个ax，设置投影
sub_ax = fig.add_axes([0.741, 0.11, 0.14, 0.155],
                      projection=ccrs.LambertConformal(central_latitude=90,
                                                       central_longitude=115))
# 画海，陆地，河流，湖泊
sub_ax.add_feature(cfeature.OCEAN.with_scale('50m'))
sub_ax.add_feature(cfeature.LAND.with_scale('50m'))
sub_ax.add_feature(cfeature.RIVERS.with_scale('50m'))
sub_ax.add_feature(cfeature.LAKES.with_scale('50m'))
# 画边界
for line in borders:
    sub_ax.plot(line[0::2], line[1::2], '-', color='gray',
                transform=ccrs.Geodetic())
# 框区域
sub_ax.set_extent([105, 125, 0, 25])
# 显示
plt.show()

最后绘制效果是：

basemap方法

基础代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
import matplotlib.pyplot as plt
from mpl_toolkits.basemap import Basemap

# Create a new figure
plt.figure(figsize=(12, 8))

# Create a Basemap instance for China
m = Basemap(projection='merc', llcrnrlat=18, urcrnrlat=54, llcrnrlon=73, urcrnrlon=135, resolution='i')

# Draw coastlines, country borders, and fill the continents
m.drawcoastlines()
m.drawcountries()
m.fillcontinents(color='lightgray', lake_color='aqua')

# Draw the map boundary and fill the background
m.drawmapboundary(fill_color='aqua')

# Draw meridians and parallels
m.drawmeridians(range(0, 360, 10), labels=[True, False, False, True])
m.drawparallels(range(-90, 90, 10), labels=[False, True, True, False])

# Highlight China
china_lon = [73, 135, 135, 73, 73]
china_lat = [18, 18, 54, 54, 18]
x, y = m(china_lon, china_lat)
m.plot(x, y, marker=None, color='m')

# Show the plot
plt.title('Map of China')
plt.show()

绘制效果如下：

folium方法

代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
import folium

# Create a map centered on China
m = folium.Map(location=[35.8617, 104.1954], zoom_start=4)

# Add a marker for the center of China
folium.Marker(
    location=[35.8617, 104.1954],
    popup='China',
    icon=folium.Icon(icon='cloud')
).add_to(m)

# Save the map to an HTML file
m.save('china_map.html')

效果如下：

1.3 绘制香港地图

folium方法

代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
import folium

# Create a map centered on Hong Kong
m = folium.Map(location=[22.3193, 114.1694], zoom_start=12)

# Add a marker for the center of Hong Kong
folium.Marker(
    location=[22.3193, 114.1694],
    popup='Hong Kong',
    icon=folium.Icon(icon='cloud')
).add_to(m)

# Save the map to an HTML file
m.save('hong_kong_map.html')

效果如下：

cartopy方法

代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
import matplotlib.pyplot as plt
import cartopy.crs as ccrs
import cartopy.feature as cfeature

# Create a figure with an appropriate projection for Hong Kong
fig = plt.figure(figsize=(8, 8))
ax = fig.add_subplot(1, 1, 1, projection=ccrs.PlateCarree())

# Add coastlines, borders, and gridlines
ax.coastlines(resolution='10m')
ax.add_feature(cfeature.BORDERS)
ax.gridlines(draw_labels=True)

# Set the extent to focus on Hong Kong
ax.set_extent([113.8, 114.4, 22.1, 22.6])

# Add a marker for Hong Kong
plt.plot(114.1694, 22.3193, marker='o', color='red', markersize=5)

# Add a title
plt.title('Map of Hong Kong')

# Show the plot
plt.show()

效果如下：

2. Python绘制colorbar

2.1 float list转color list

可以使用 matplotlib 中的 Normalize 和 cm 模块将 float 列表转换为颜色列表，并将其应用于 scatter 图。以下是一个示例代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
import matplotlib.pyplot as plt
import matplotlib.cm as cm
import matplotlib.colors as mcolors

# 假设这是你的 float 列表
float_list = [0.1, 0.2, 0.3, 0.4, 0.5]

# 创建一个 Normalize 对象，将 float 值归一化到 0-1 范围
norm = mcolors.Normalize(vmin=min(float_list), vmax=max(float_list))

# 使用 cm 模块将归一化后的值映射到颜色
color_list = cm.viridis(norm(float_list))

# 创建 scatter 图
plt.scatter([1, 2, 3, 4, 5], [1, 2, 3, 4, 5], c=color_list)
plt.colorbar() # 显示颜色条
plt.show()

这个示例代码将 float_list 中的值归一化，然后使用 viridis colormap 将其映射为颜色，并在 scatter 图中使用这些颜色。你可以根据需要更改 colormap， viridis 只是其中之一。

如果希望换一个风格，可以修改代码中的color_list = cm.viridis,示例代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
import matplotlib.pyplot as plt
import matplotlib.colors as mcolors
import numpy as np

# 假设这是你的 float 列表
float_list = [0.1, 0.3, 0.5, 0.7, 0.9]

# 创建 Normalize 对象，将 float 值归一化到 0-1 范围
norm = mcolors.Normalize(vmin=min(float_list), vmax=max(float_list))

# 使用 cm.Spectral_r colormap
cmap = plt.cm.Spectral_r

# 创建 scatter 图并应用 colormap
x = [1, 2, 3, 4, 5]
y = [1, 2, 3, 4, 5]
scatter = plt.scatter(x, y, c=float_list, cmap=cmap, norm=norm)

# 添加 colorbar 并设置刻度和标签
cbar = plt.colorbar(scatter, ticks=[0, 0.2, 0.4, 0.6, 0.8, 1])
cbar.set_label('Custom Colorbar')

plt.show()

实际绘制效果为：

如果想要切换风格，就更换plt.cm.Spectral_r，其中_r是颜色翻转，可以参考如下样例选取：

3. PPT绘制图片

3.1 PPT另存为图片的分辨率设置

有些别人制作的PPT，我们觉得里面的图片搭配得还不错，想把它导出来电脑保存，可是每次导出或另存为PPT图片的时候，都会模糊了。这是因为PPT另存为图片的分辨率是有限制的，改掉这些限制需要在注册表中进行修改。

步骤如下：

  1. 按 Win + R 组合键，打开运行窗口，输入并确定或回车执行 regedit 命令，可以快速打开注册表编辑器
  1. 注册表编辑器窗口中，依次展开到以下路径：

​ 计算机\HKEY_CURRENT_USER\Software\Microsoft\Office\XX.0\PowerPoint\Options

​ 注册表路径中的 XX 代表 office 版本号，例如2010版本号14、2013版本号为15、2016版本号为16

​

  1. 左侧点击 Options ，然后在右侧空白处，点击右键，新建一个DWORD (32 位)值(D)；

    新建的这个值，命名为ExportBitmapResolution后双击打开，修改基数为“十进制”，修改数值为“1200”，大约相当于2K分辨率，已经足够清晰了；

确定保存注册表后，重启电脑即可应用更改，这时保存PPT中的图片就会非常清晰了；

科研记录
#Python #Map Plot
科研相关图片绘制
https://hjiande.github.io/2024/10/30/科研-0004-科研相关图片绘制/
作者
jdhuang
发布于
2024年10月30日
许可协议