python自定义函数画图_Python气象数据处理与绘图(14)：封装绘图函数(简洁绘制带地图子图的代码)...

Cartopy虽然对地理图形的绘制提供了极大的方便，但是个人感觉还是有很多反人类的地方，尤其是在同一个代码中绘制多副图形的时候，比如说地理坐标轴的设置，每幅子图都要设置一遍，最终搞得代码十分的冗长。为了解决这类问题，自定义的封装函数就起了很大作用，只需在最开始定义好，接下来每次使用直接调用即可，再也不用每次画图都重新设置什么刻度，海岸线之类的了。

其实用到的就是python的def功能，通过def自定义函数，return返回所需值，可以极大的简洁重复代码。

比如说绘制下面这幅图，我分别使用未封装的代码和使用封装后的代码绘制，方便对比。

example

未使用封装函数的完整代码：

#公共设置(地图投影，地图边界，坐标刻度地理格式)

proj = ccrs.PlateCarree(central_longitude=80)

img_extent = [0,160, 0, 80]

lon_formatter = cticker.LongitudeFormatter()

lat_formatter = cticker.LatitudeFormatter()

fig2 = plt.figure(figsize=(15,15))

#子图1

f2_ax1 = fig2.add_axes([0.1, 0.1, 0.4, 0.3],projection = proj)

#边界，海岸线，湖泊，坐标刻度，坐标格式

f2_ax1.set_extent(img_extent, crs=ccrs.PlateCarree())

f2_ax1.add_feature(cfeature.COASTLINE.with_scale('50m'))

f2_ax1.add_feature(cfeature.LAKES, alpha=0.5)

f2_ax1.set_xticks(np.arange(leftlon,rightlon+20,20), crs=ccrs.PlateCarree())

f2_ax1.set_yticks(np.arange(lowerlat,upperlat+20,20), crs=ccrs.PlateCarree())

f2_ax1.xaxis.set_major_formatter(lon_formatter)

f2_ax1.yaxis.set_major_formatter(lat_formatter)

#图序

f2_ax1.set_title('(a) ',loc='left')

#填色

f2_ax1.contourf(lon,lat, r, levels=np.arange(-0.9,1.0,0.1),extend='both', zorder=0, transform=ccrs.PlateCarree(), cmap=plt.cm.RdBu_r)

#子图2，同上

f2_ax2 = fig2.add_axes([0.6, 0.1, 0.4, 0.3],projection = proj)

f2_ax2.set_extent(img_extent, crs=ccrs.PlateCarree())

f2_ax2.add_feature(cfeature.COASTLINE.with_scale('50m'))

f2_ax2.add_feature(cfeature.LAKES, alpha=0.5)

f2_ax2.set_xticks(np.arange(leftlon,rightlon+20,20), crs=ccrs.PlateCarree())

f2_ax2.set_yticks(np.arange(lowerlat,upperlat+20,20), crs=ccrs.PlateCarree())

f2_ax2.xaxis.set_major_formatter(lon_formatter)

f2_ax2.yaxis.set_major_formatter(lat_formatter)

f2_ax2.set_title('(b) ',loc='left')

f2_ax2.contourf(lon,lat, r, levels=np.arange(-0.9,1.0,0.1),extend='both', zorder=0, transform=ccrs.PlateCarree(), cmap=plt.cm.RdBu_r)

可以看到，对底图设置的越精细所需的代码越长，但是绘制多图时均为重复代码，那么再看看封装后是怎样的：

使用封装函数：

首先将重复部分进行封装，那我们先分析重复部分的内容，包含了边界，海岸线，湖泊，坐标刻度，坐标格式等内容，需要需要传递的主要是地图的边界信息和坐标的间隔信息，以及对应的子图

def contour_map(fig,img_extent,spec):

fig.set_extent(img_extent, crs=ccrs.PlateCarree())

fig.add_feature(cfeature.COASTLINE.with_scale('50m'))

fig.add_feature(cfeature.LAKES, alpha=0.5)

fig.set_xticks(np.arange(leftlon,rightlon+spec,spec), crs=ccrs.PlateCarree())

fig.set_yticks(np.arange(lowerlat,upperlat+spec,spec), crs=ccrs.PlateCarree())

lon_formatter = cticker.LongitudeFormatter()

lat_formatter = cticker.LatitudeFormatter()

fig.xaxis.set_major_formatter(lon_formatter)

fig.yaxis.set_major_formatter(lat_formatter)

封装好后，后面只需直接调用即可。需要注意的是，这里并没有return，是因为函数中直接作用在了传递进去的fig上，因此无需再return。

#公共设置

proj = ccrs.PlateCarree(central_longitude=80)

leftlon, rightlon, lowerlat, upperlat = (0,160,0,80)

img_extent = [leftlon, rightlon, lowerlat, upperlat]

fig2 = plt.figure(figsize=(15,15))

#子图1

f2_ax1 = fig2.add_axes([0.1, 0.1, 0.4, 0.3],projection = proj)

#调用封装函数

contour_map(f2_ax1,img_extent,20)

f2_ax1.set_title('(a) ',loc='left')

f2_ax1.contourf(lon,lat, r, levels=np.arange(-0.9,1.0,0.1),extend='both', zorder=0, transform=ccrs.PlateCarree(), cmap=plt.cm.RdBu_r)

#子图2

f2_ax2 = fig2.add_axes([0.6, 0.1, 0.4, 0.3],projection = proj)

#调用封装函数

contour_map(f2_ax2,img_extent,20)

f2_ax2.set_title('(b) ',loc='left')

f2_ax2.contourf(lon,lat, r, levels=np.arange(-0.9,1.0,0.1),extend='both', zorder=0, transform=ccrs.PlateCarree(), cmap=plt.cm.RdBu_r)

仅仅是两幅子图，并没有缩减太多的代码，但是当子图较多时，这个方法就十分实用了。尤其是在jupyter notebook中，仅需要在最开始的代码块中随着各种库的一起引入，后边无论新建多长的代码块，都能使用，可以说只需要定义一次，在整个科研阶段中都可以随意调用。

实际上这里只是以绘图的方式举例def功能，还有很多地方也可以用到类似的思路，比如说自己写了一个算法，比如说是滑动t检验，你需要对多个序列进行检验，如果每次都写一遍滑动t的代码，那整个脚本的长度就太可怕了，完全可以用def的方法，只定义一次，接下来每个序列只需要一行调用函数就可以得到想要的结果，并且可以通过return的设置，返回所需要的各种中间变量。