python绘图--由逐日风场数据计算月平均风场数据并绘制二维填色图
前言
- 如下图所示，现有1月逐日的一天四次的风场资料，现需要计算1月月平均数据并绘制二维空间填色图
- 处理思路如下：
- 1、通过for循环读取数据
- 2、对于读取的日数据按照时间维求平均，将一天四次的资料处理为日平均资料
- 3、读取风速分量，将一个月内所以日平均资料存到一个空矩阵中
- 4、计算存储的风速矩阵，按照时间维求平均得到月平均数据
- 5、将月平均数据进行绘图
- 注意点：
- 对于数据名称比较统一，使用字符串进行循环读取
- 考虑到数据大小，可以在读取数据时截取部分区域，节省时间
- 先读取一个数据查看要设置的矩阵的size
code:
# -*- coding: utf-8 -*-
"""
Created on %(date)s
@author: %(jixianpu)s
Email : [email protected]
introduction : keep learning althongh walk slowly
"""
##########导入库###############################################################
import xarray as xr
import numpy as np
import matplotlib.pyplot as plt
import cartopy.crs as ccrs
import cartopy.feature as cfeature
from cartopy.mpl.ticker import LongitudeFormatter,LatitudeFormatter
# import glob
##########导入文件、创建空矩阵用来存储日数据################################
str0 = 'D:\mql\wind\\'
str1 = 'CCMP_Wind_Analysis_200001'
str2 = '_V02.0_L3.0_RSS.nc'
u_mean=np.zeros((160,200,31))
u_mean[:] = np.nan
v_mean=np.zeros((160,200,31))
v_mean[:] = np.nan
##########循环读入日数据、将存储的日数据求平均，得到月平均########################
i = 0
for i in range(1,31):
file=str0+str1+'%02.0f'%(i)+str2
da=xr.open_dataset(file).sel(longitude=slice(130,180),latitude=slice(-20,20)) #按照经纬度区域读取数据
da_m = da.mean('time') # 对数据的时间那一维求平均，使得一天四次的数据为一天一次
lon = da.longitude.data
lat = da.latitude.data
u_mean[:,:,i] =da_m.uwnd # 读取u 分量
v_mean[:,:,i] =da_m.uwnd # 读取v 分量
x,y=np.meshgrid(lon.data,lat.data)
i=i+1
#################计算月平均数据，按照时间纬度计算################################
u_monthlymean =np.nanmean(u_mean,axis=2)
v_monthlymean =np.nanmean(v_mean,axis=2)
##########读取经纬度############################################################
##########计算月均的实际风速####################################################
w = np.sqrt(u_monthlymean*u_monthlymean+v_monthlymean*v_monthlymean)
##########封装绘图函数、保护绘图区域、投影、陆地、标题、字体大小#########################
def make_map(ax, title):
# set_extent set crs
ax.set_extent(box, crs=ccrs.PlateCarree())
land = cfeature.NaturalEarthFeature('physical',
'land',
scale,
edgecolor='grey',
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(box[0],box[1]+10, xstep),crs=ccrs.PlateCarree())
ax.set_yticks(np.arange(box[2], box[3]+10, ystep),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)
ax.set_title(title, fontsize=20, loc='left',pad=12)
# ax.yaxis.set_minor_locator(AutoMinorLocator(5))
# ax.xaxis.set_minor_locator(AutoMinorLocator(10))
ax.tick_params(which='minor',
direction='out', length=4,width=0.59,
right=True, top=True)
ax.tick_params(which='major',
direction='out',
length=8,
width=0.99,
pad=3,
labelsize=12,
bottom=True, left=True, right=True, top=True)
return ax
##########绘图区域、投影陆地的分辨率、经度、纬度的间隔############################
box = [130, 180, -20, 20]
scale = '50m'
xstep, ystep = 10, 10
##########进行绘图，设置一个画板##################################
fig =plt.figure(figsize=(12,10),dpi=100)
ax=fig.add_subplot(1,1,1,projection=ccrs.PlateCarree(central_longitude=180))
make_map(ax,'monthly_mean-surface winds')
ax.set_xlabel('Longitude',fontsize=14) # 添加经度标签
ax.set_ylabel('Latitude',fontsize=14) # 添加纬度标签
step=10# 设置风场的数据读取间隔
c=ax.contourf(lon,lat,w,transform=ccrs.PlateCarree(),extend='both') #绘制填色图
ax.quiver(x[::step,::step],y[::step,::step],u_monthlymean[::step,::step],v_monthlymean[::step,::step],pivot='mid',transform=ccrs.PlateCarree(),
width=0.002,scale=200,headlength=5,headwidth=4,
) #绘制风场箭头
#添加colorbar
cb=fig.colorbar(c,shrink=0.75,pad=0.04)
cb.ax.tick_params(labelsize=10) #设置colorbar的字体大小
cb.ax.set_title('$m/s$',fontsize=15) #设置colorbar的标题，字体大小