7

我需要在多边形内创建海面温度 (SST) 数据的填充等高线图，但是我不确定执行此操作的最佳方法。我有三个一维数组，其中包含 X、Y 和 SST 的数据，我使用以下内容进行绘制以创建附加图：

p=PatchCollection(mypatches,color='none', alpha=1.0,edgecolor="purple",linewidth=2.0)
levels=np.arange(SST.min(),SST.max(),0.2)
datamap=mymap.scatter(x,y,c=SST, s=55, vmin=-2,vmax=3,alpha=1.0)

我希望能够将这些数据绘制为填充轮廓（contourf而不是 scatter），这些轮廓被约束（裁剪）在多边形边界（紫色线）内。非常感谢有关如何实现这一目标的建议。

在此处输入图像描述

更新： 我最初尝试过 griddata，但无法使其正常工作。但是，根据@eatHam 提供的答案，我决定再试一次。我无法让我的 scipy griddata 工作，因为它在选择方法“cubic”时一直挂在网格上，但是当我切换到 matplotlib.mlab.griddata 并使用“linear”插值时它起作用了。掩盖边界的建议提供了一个非常粗略且不像我希望的那样精确的解决方案。 显示使用蒙版剪辑的解决方案的图像

我搜索了有关如何在 matplotlib 中剪切轮廓的选项，并在此链接上找到了 @pelson 的答案。我尝试了暗示的建议解决方案：“轮廓集本身没有 set_clip_path 方法，但您可以遍历每个轮廓集合并设置它们各自的剪辑路径”。我的新解决方案和最终解决方案如下所示（见下图）：

  p=PatchCollection(mypatches,color='none', alpha=1.0,edgecolor="purple",linewidth=2.0)
  levels=np.arange(SST.min(),SST.max(),0.2)
  grid_x, grid_y = np.mgrid[x.min()-0.5*(x.min()):x.max()+0.5*(x.max()):200j,
                          y.min()-0.5*(y.min()):y.max()+0.5*(y.max()):200j]
  grid_z = griddata(x,y,SST,grid_x,grid_y)

  cs=mymap.contourf(grid_x, grid_y, grid_z)

  for poly in mypatches:
      for artist in ax.get_children():
          artist.set_clip_path(poly)

      ax.add_patch(poly)
  mymap.drawcountries()
  mymap.drawcoastlines()
  mymap.fillcontinents(color='lightgrey',lake_color='none')
  mymap.drawmapboundary(fill_color='none')

在推断北方的极端边缘方面，该解决方案也可以得到特别改进。对于如何真正“填充”整个多边形的建议表示赞赏。我也想了解为什么 mlab 有效而 scipy 无效。

使用 set_clip_path 显示裁剪轮廓的最终解决方案

4

1 回答 1

4

我会使用scipy.griddata插入数据。您可以将您所在区域（mypatches）之外的区域设置为np.nan. 然后只需使用pyplot.contour来绘制它。

import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import griddata

def sst_data(x, y):
    return x*(1-x)*np.cos(4*np.pi*x) * np.sin(4*np.pi*y**2)**2

                         #replace with ...
x = np.random.rand(1000) #... your x
y = np.random.rand(1000) #... your y
sst = sst_data(x, y)     #... your sst

# interpolate to a grid
grid_x, grid_y = np.mgrid[0:1:100j, 0:1:200j] 
grid_z = griddata((x,y), sst, (grid_x, grid_y), method='cubic')

# mask out the area outside of your region
nr, nc = grid_z.shape
grid_z[-nr//3:, -nc//3:] = np.nan

plt.contourf(grid_x, grid_y, grid_z)

plt.show()

在此处输入图像描述

编辑：在 plt.contourf() 调用中更改了变量名称（原为 ..(grid_z, grid_y, grid_z)）

于 2013-09-13T10:41:14.983 回答