一般来说，我们研究分析一些海温或者降水等要素的的变化规律时，通常会进行季节特征变化分析，这就需要我们绘制不同季节的空间分布图来进行分析，这就需要我们掌握子图的绘制方法。
一般这种我们可以通过设置不同的ax进行绘制，简单介绍在这篇博客中：进阶绘图–axes
- 通过对于每个子图的不同命令，可以绘制填色图、折线图等等，这种方法的不好的地方在于需要多次重复一些语句设置，比如地形、坐标、标签等等，当然，如果不怕麻烦也可以忽略。
- 对于不同的子图，只需要对于不同的ax进行不同的绘图即可，同时对于不同的子图属性设置也要对应不同的ax序号，如果你第一个字图的ax是ax1，那么所有关于这个子图的命令语句，都要以ax1开头。
- 下面给出一个通过ax命令海温的季节空间分布图绘制的例子：
ax绘制不同子图
# -*- coding: utf-8 -*- """ Created on Thu Aug 12 22:20:52 2021 @author: 纪 """ ## 导入库 import cartopy.feature as cfeature from cartopy.util import add_cyclic_point from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter import matplotlib.pyplot as plt import numpy as np import cartopy.crs as ccrs import xarray as xr ## 路径 path='D:\\sst.nc' ### ================================================================= # 准备数据、选择区域、求季节平均 ###================================================================== sst=xr.open_dataset(path) lon=sst.lon lat=sst.lat lat_range = lat[(lat>-22.5) & (lat<22.5)] sst_region =sst.sel(lat=lat_range,lon=lon) season =sst_region.groupby( 'time.season').mean('time', skipna=True) #=====================draw============================================== fig=plt.figure(figsize=(20,12))#设置一个画板，将其返还给fig ###=================设置全局字体、字体大小============================== plt.rcParams['font.family'] = 'Times New Roman' plt.rcParams['font.size'] = 15 ###=========================绘制第一个子图================================= ax = fig.add_subplot(4, 1, 1, projection=ccrs.PlateCarree(central_longitude =180)) ### 添加地形，并且设置陆地为白色遮盖 ax.add_feature(cfeature.NaturalEarthFeature('physical', 'land', '50m', \ edgecolor='white',facecolor='white',zorder=2)) ### 添加循环，为了避免经线180°出现白色竖线 cycle_sst, cycle_lon = add_cyclic_point(season.sst[1], coord=lon) cycle_LON, cycle_LAT = np.meshgrid(cycle_lon, lat_range) ### 绘制填色图 cb=ax.contourf(cycle_LON,cycle_LAT, cycle_sst,levels=np.arange(20,36),cmap='bwr',\ zorder=0,transform= ccrs.PlateCarree()) ### 设置横纵坐标的范围 ax.set_xticks(np.arange(0, 361, 30),crs=ccrs.PlateCarree()) ax.set_yticks(np.arange(-20, 40, 20),crs=ccrs.PlateCarree()) ax.xaxis.set_major_formatter(LongitudeFormatter(zero_direction_label =False))#经度0不加标识 ax.yaxis.set_major_formatter(LatitudeFormatter()) ### 绘制等值线 contour = ax.contour(lon,lat_range, season.sst[1],colors='k',zorder=1,transform= ccrs.PlateCarree()) #zorder 显示图层叠加顺序 ### 设置坐标轴的轴长、宽、离轴的距离、 ax.tick_params(which='major', direction='out', length=10, width=0.99, pad=0.2, bottom=True, left=True, right=False, top=False) ### 设置子图的标题 ax.set_title('JJA-SST horizontal distribution') ### 设置子图的colorbar cbar = fig.colorbar(cb,shrink=0.7,ticks=[20,25,30],pad=0.04,aspect=3.5) ###=========================绘制第2个子图================================= ax1 = fig.add_subplot(4, 1, 2, projection=ccrs.PlateCarree(central_longitude=180))#中心线为180° ax1.add_feature(cfeature.NaturalEarthFeature('physical', 'land', '110m', \ edgecolor='black', facecolor='white')) cycle_sst1, cycle_lon = add_cyclic_point(season.sst[2], coord=lon) cb=ax1.contourf(cycle_LON,cycle_LAT, cycle_sst1,levels=np.arange(20,34),cmap='bwr',\ zorder=0,transform= ccrs.PlateCarree() ) contour = plt.contour(cycle_LON,cycle_LAT, cycle_sst1,colors='k',zorder=1,transform= ccrs.PlateCarree()) ax1.add_feature(cfeature.NaturalEarthFeature('physical', 'land', '50m', \ edgecolor='white', facecolor='white',zorder=2)) ax1.tick_params(which='major', direction='out', length=10, width=0.99, pad=0.2, bottom=True, left=True, right=False, top=False) ax1.set_xticks(np.arange(0, 361, 30),crs=ccrs.PlateCarree()) ax1.set_yticks(np.arange(-20, 40, 20),crs=ccrs.PlateCarree()) ax1.xaxis.set_major_formatter(LongitudeFormatter(zero_direction_label =False))#经度0不加标识 ax1.yaxis.set_major_formatter(LatitudeFormatter()) ax1.set_title('MAM-SST horizontal distribution') cbar = fig.colorbar(cb,shrink=0.7,ticks=[20,25,30],pad=0.04,aspect=3.5) ###=========================绘制第3个子图================================= ax2= fig.add_subplot(4, 1, 3, projection=ccrs.PlateCarree(central_longitude=180))#中心线 ax2.add_feature(cfeature.NaturalEarthFeature('physical', 'land', '110m', \ edgecolor='black', facecolor='white')) cycle_sst2, cycle_lon = add_cyclic_point(season.sst[3], coord=lon) cb=ax2.contourf(cycle_LON,cycle_LAT, cycle_sst2,levels=np.arange(20,34),cmap='bwr',\ zorder=0,transform= ccrs.PlateCarree() ) contour = plt.contour(cycle_LON,cycle_LAT, cycle_sst2,colors='k',zorder=1,transform= ccrs.PlateCarree()) ax2.add_feature(cfeature.NaturalEarthFeature('physical', 'land', '50m', \ edgecolor='white', facecolor='white',zorder=2)) ax2.tick_params(which='major', direction='out', length=10, width=0.99, pad=0.2, bottom=True, left=True, right=False, top=False) ax2.set_xticks(np.arange(0, 361, 30),crs=ccrs.PlateCarree()) ax2.set_yticks(np.arange(-20, 40, 20),crs=ccrs.PlateCarree()) ax2.xaxis.set_major_formatter(LongitudeFormatter(zero_direction_label =False))#经度0不加标识 ax2.yaxis.set_major_formatter(LatitudeFormatter()) ax2.set_title('SON-SST horizontal distribution') cbar = fig.colorbar(cb,shrink=0.7,ticks=[20,25,30],pad=0.04,aspect=3.5) ###=========================绘制第4个子图================================= ax3= fig.add_subplot(4, 1, 4, projection=ccrs.PlateCarree(central_longitude=180))#中心线 ax3.add_feature(cfeature.NaturalEarthFeature('physical', 'land', '110m', \ edgecolor='black', facecolor='white')) cycle_sst3, cycle_lon = add_cyclic_point(season.sst[0], coord=lon) cb=ax3.contourf(cycle_LON,cycle_LAT, cycle_sst3,levels=np.arange(20,34),cmap='bwr',\ zorder=0,transform= ccrs.PlateCarree() ) contour = plt.contour(cycle_LON,cycle_LAT, cycle_sst3,colors='k',zorder=1,transform= ccrs.PlateCarree()) ax3.add_feature(cfeature.NaturalEarthFeature('physical', 'land', '50m', \ edgecolor='white', facecolor='white',zorder=2)) ax3.tick_params(which='major', direction='out', length=10, width=0.99, pad=0.2, bottom=True, left=True, right=False, top=False) ax3.set_xticks(np.arange(0, 361, 30),crs=ccrs.PlateCarree()) ax3.set_yticks(np.arange(-20, 40, 20),crs=ccrs.PlateCarree()) ax3.xaxis.set_major_formatter(LongitudeFormatter(zero_direction_label =False))#经度0不加标识 ax3.yaxis.set_major_formatter(LatitudeFormatter()) ax3.set_title('DJF-SST horizontal distribution') cbar = fig.colorbar(cb,shrink=0.7,ticks=[20,25,30],pad=0.04,aspect=3.5) ### 保存图片到指定路径 #fig.savefig('D:\\desktopppp\\picture\\'+'SST_horizontal_distribution.tiff',format='tiff',dpi=150)
绘图结果如下，海温的四个季节的空间水平分布：
通过绘图函数封装绘制不同子图
其实，通过上面的代码，我们可以发现，有部分代码完全是重复设置的，非常的麻烦，所以我们完全可以设置一个绘图函数，减少我们的代码量。
下面给出一个使用代码封装后的绘图例子，可以前后对比一下：
""" Created on Thu Nov 4 19:47:58 2021 @author: (ji) E-mail : 211311040008@hhu.edu.cn Introduction: keep learning """ import cartopy.feature as cfeature from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter import matplotlib.pyplot as plt import numpy as np import cartopy.crs as ccrs import xarray as xr path2='D:\\sst.nc' ds=xr.open_dataset(path2).sortby("lat", ascending= True) sst=ds.sel(lat=slice(-20,20),time=slice('2010','2010')) season =sst.groupby('time.season').mean('time', skipna=True) def make_map(ax, title): # set_extent set crs ax.set_extent(box, crs=ccrs.PlateCarree()) land = cfeature.NaturalEarthFeature('physical', 'land', scale, edgecolor='white', facecolor='white', zorder=2) ax.add_feature(land) # set land color ax.coastlines(scale) # set coastline resolution # set coordinate axis ax.set_xticks(np.arange(0, 360+30, 30),crs=ccrs.PlateCarree()) ax.set_yticks(np.arange(-20, 30, 10),crs=ccrs.PlateCarree()) ax.xaxis.set_major_formatter(LongitudeFormatter(zero_direction_label =False))#经度0不加标识 ax.yaxis.set_major_formatter(LatitudeFormatter()) # plt.tick_params(labelsize=25) lon_formatter = LongitudeFormatter(zero_direction_label=False) # zero_direction_label set 0 without E or W lat_formatter = LatitudeFormatter() ax.xaxis.set_major_formatter(lon_formatter) ax.yaxis.set_major_formatter(lat_formatter) ax.set_title(title, fontsize=25, loc='center') ax.tick_params(which='major', direction='out', length=8, width=0.99, pad=0.2, labelsize=20, bottom=True, left=True, right=False, top=False) return ax # # prepare box = [0, 361, -20, 20] scale = '50m' xstep, ystep = 30, 5 cmap=plt.get_cmap('bwr')#'RdYlBu_r' levels=np.arange(20,34) zorder=0 # name=['DJF-SST horizontal distribution','JJA-SST horizontal distribution',\ # 'MAM-SST horizontal distribution','SON-SST horizontal distribution'] sea=['JJA','MAM','SON','DJF'] #=================draw picture ================================= fig=plt.figure(figsize=(20,12))#设置一个画板，将其返还给fig plt.rcParams['font.family'] = 'Times New Roman' plt.rcParams['font.size'] = 15 proj=ccrs.PlateCarree(central_longitude=180) count=0 for i in range(len(sea)): count+=1 ax=fig.add_subplot(4,1,count,projection=proj) make_map(ax,sea[i]+'-SST horizontal distribution') plot=ax.contourf(sst.lon,sst.lat,season.sel(season=sea[i]).sst,cmap=cmap,levels=levels,\ zorder=0,transform=ccrs.PlateCarree()) contour=ax.contour(sst.lon,sst.lat,season.sel(season=sea[i]).sst,colors='k',zorder=1,transform=ccrs.PlateCarree()) # pcolor=ax.pcolormesh(sst.lon,sst.lat,season.sst[i],transform=ccrs.PlateCarree(),\ # cmap='bwr', zorder=0) # fig.colorbar(pcolor,ax=ax,shrink=0.7,ticks=[20,25,30],pad=0.04,aspect=3.5) fig.colorbar(plot,ax=ax,shrink=0.7,ticks=[20,25,30],pad=0.04,aspect=3.5) plt.show() # fig.savefig('G:\\daily\\'+'SST_horizontal_distribution.tiff',format='tiff',dpi=150)
结果是一样的：
可以明显的发现，代码更简洁了，也可以将这个封装函数进行保存，以后直接导入这个函数，大大节省我们绘图时间！！！
有兴趣的小伙伴们可以尝试一下~
测试数据有点大，不方面传在这里，有需要的找我要
一个努力学习python的海洋 水平有限，欢迎指正！！！ 欢迎评论、收藏、点赞、转发、关注。 关注我不后悔，记录学习进步的过程~~
