使用数据:aws_201808180000.txt —— aws_201808182350.txt
使用库:Matplotlib、NumPy、netCDF4、Cartopy、os、imageio.v2
import matplotlib.pyplot as plt
import netCDF4 as nc
import numpy as np
import cartopy.mpl.ticker as cmt
import cartopy.crs as ccrs
import matplotlib.path as mpath
import cartopy.feature as cfeature
from cartopy.util import add_cyclic_point
from cartopy.mpl.ticker import (LongitudeFormatter, LatitudeFormatter)
import matplotlib as mpl
import matplotlib.ticker as mticker
from matplotlib.colors import ListedColormap
import cartopy.io.shapereader as shapereader
from cartopy.mpl.gridliner import LONGITUDE_FORMATTER, LATITUDE_FORMATTER
import os
import imageio.v2 as imageio
plt.rcParams['font.sans-serif']= ['Microsoft YaHei'] # 设置“微软雅黑”,图上显示出中文
plt.rcParams['axes.unicode_minus'] = False # 设置中文后,解决坐标轴上负号显示问题
#保存图例
h=['00','01','02','03','04','05','06','07','08','09','10','11','12','13','14','15','16','17','18','19','20','21','22','23']
n=['00','10','20','30','40','50']
save_dir =r'fig/'
if os.path.exists(save_dir):
a=1
else:
os.makedirs(save_dir)
frames1 = []
frames2 = []
for p in h:
for q in n:
f=open('20180818/aws_20180818'+p+q+'.txt','r')
lines = f.readlines()
lat = []
lon = []
V = []
for i in lines:
a=i.split()
V.append(eval(a[3]))
lat.append(float(a[1]))
lon.append(float(a[2]))
#绘制雷达图及图例
fig = plt.figure(figsize=[8,5])
ax = plt.subplot(111,projection=ccrs.PlateCarree(central_longitude=180))
ax.scatter(lon,lat,V,c='b',transform=ccrs.PlateCarree())
g1=ax.scatter(361,91, 1,c='b',alpha=1,marker='o',linewidths=2,transform=ccrs.PlateCarree())
g2=ax.scatter(361,91, 3,c='b',alpha=1,marker='o',linewidths=2,transform=ccrs.PlateCarree())
g3=ax.scatter(361,91,10,c='b',alpha=1,marker='o',linewidths=2,transform=ccrs.PlateCarree())
g4=ax.scatter(361,91,20,c='b',alpha=1,marker='o',linewidths=2,transform=ccrs.PlateCarree())
plt.legend((g1,g2,g3,g4),('1mm','3mm','10mm','20mm'),loc='best',scatterpoints=1,markerscale=1)
ax.set_extent([111.999,123,27.5,34.001],crs=ccrs.PlateCarree())
#添加地理信息
ax.add_feature(cfeature.LAND,color='white')
ax.add_feature(cfeature.COASTLINE)
ax.add_feature(cfeature.OCEAN,color='cyan')
ax.add_feature(cfeature.LAKES,color='cyan')
ax.add_feature(cfeature.RIVERS,color='k')
LAKES_border=cfeature.NaturalEarthFeature('physical','lakes','10m',edgecolor='black',facecolor='never')
ax.add_feature(LAKES_border,linewidth=0.6)
#绘制经纬网
g5 = ax.gridlines(draw_labels=True,linewidth=0.1 ,x_inline=False, y_inline=False,color='k')
g5.top_labels=False #关闭上部经纬标签
g5.right_labels=False
g5.xformatter = LONGITUDE_FORMATTER #使横坐标转化为经纬度格式
g5.yformatter = LATITUDE_FORMATTER
g5.xlocator=mticker.FixedLocator(np.arange(112,123,2))
g5.ylocator=mticker.FixedLocator(np.arange(28,35,2))
if q=='00':
if p=='00':
plt.title("2018年8月17日23时60分钟累积降水量散点图")
plt.savefig(str(save_dir)+"2018年8月17日23时60分钟累积降水量散点图.png",dpi=200)
frames1.append(imageio.imread(str(save_dir)+"2018年8月17日23时60分钟累积降水量散点图.png"))
frames2.append(imageio.imread(str(save_dir)+"2018年8月17日23时60分钟累积降水量散点图.png"))
else:
plt.title("2018年8月18日"+str(h[h.index(p)-1])+"时60分钟累积降水量散点图")
plt.savefig(str(save_dir)+"2018年8月18日"+str(h[h.index(p)-1])+"时60分钟累积降水量散点图.png",dpi=200)
frames1.append(imageio.imread(str(save_dir)+"2018年8月18日"+str(h[h.index(p)-1])+"时60分钟累积降水量散点图.png"))
frames2.append(imageio.imread(str(save_dir)+"2018年8月18日"+str(h[h.index(p)-1])+"时60分钟累积降水量散点图.png"))
else:
plt.title("2018年8月18日"+p+"时"+q+"分钟累积降水量散点图")
plt.savefig(str(save_dir)+"2018年8月18日"+p+"时"+q+"分钟累积降水量散点图.png",dpi=200)
frames2.append(imageio.imread(str(save_dir)+"2018年8月18日"+p+"时"+q+"分钟累积降水量散点图.png"))
f.close()
gif_name1='60分钟平均.gif'
gif_name2='所有图例.gif'
imageio.mimsave(gif_name1, frames1, fps=10)
imageio.mimsave(gif_name2, frames2, fps=10)
#plt.show()
输出fig文件夹