python画风向杆_matplotlibquiver画风速风向

最新推荐文章于 2024-07-30 15:05:40 发布

weixin_39633976

最新推荐文章于 2024-07-30 15:05:40 发布

阅读量1k

点赞数

文章标签： python画风向杆

Apple iPhone 11 (A2223) 128GB 黑色移动联通电信4G手机双卡双待

4999元包邮

去购买 >

一个箭头的组成

quiver几个参数的理解

quiver([X, Y], U, V, [C], **kw),其中kw可供选择的参数有：

units：默认值是width, width/heigth:箭头的宽度是x或者y轴的总长，没错，是总长; dots/inches：箭头的宽度是设置的dpi或者设置的英寸大小,这个影响了width参数，比如说画布大小设为plt.figure(figsize=(144, 72), dpi=10)，这个画布占1440*720px,如果quiver设置units="dots",width=5，代表以10像素为基础单位，5倍的宽度也就是画一个箭头它的宽度占50px,那么数据就需要抽样画了，不然会糊在一起；

x/y/xy：以x,y,或者xy的平方根为基础的宽度，如果x轴或者y轴坐标设置步长为1，和画布像素大小一致，这样一个像素对应一个x的整数坐标值，那么就可以控制箭头杆的宽度了，箭头杆的基础长度就是根号2px；

width:float型，用来控制箭头杆的宽度，我只清楚units=dots时宽度的理解，但是对于units=x/y/xy时宽度到底指的是我暂时是按照上面的理解；

angle:uv/xy，uv箭头的纵横比(axis aspect ratio)为1，所以若U==V，则绘图上箭头的方向与水平轴逆时针呈45度(正向右);xy箭头从(x，y)指向(x + u，y + v),例如，使用它来绘制渐变场(gradient field)

headwidth：float型，默认3，用来控制箭头三角形底边的半宽，值指的是杆宽的倍数；

headlength： float型，默认5，用来控制箭头斜边的长度，值指的是杆宽的倍数，比如4.5指的是杆宽的4.5倍；

scale:float型,默认为None,用来控制杆身的长度，值越小，杆身越长,如果为None,则使用matplotlib自动缩放算法，箭头长度单scale_units参数指定

scale_units：如果该值设置为width/heigth,则scale应该设为0.000x的范围差不多才是想要的结果，如果设置为inches,则和你的dpi以及scale相关，对于plt.figure(figsize=(144, 72)，dpi=10) scale=1,scale_units="inches"和scale=0.1,scale_units="x/xy/不写"的画出来的结果是一样的；

pivot：tail/mid/middle/tip，默认tail,指的是箭头中心，其实就是从哪里画

样例图

全部代码参考# _*_coding:utf-8_*_

import matplotlib.pyplot as plt

from PIL import Image

import numpy as np

import os

import sys

import json

import h5py

FILLVALUE = -32767

def assigncolor(tardataset, mask, colorbar):

if tardataset[mask].size > 0:

if len(colorbar) >= 4:

tardataset[mask] = colorbar

else:

tardataset[mask] = [colorbar[0], colorbar[1], colorbar[2], 255]

return tardataset[mask]

def single_drawer(dataset, colorbar, tardataset):

#特殊值的处理

nullmask = np.isnan(dataset[:]) | np.isinf(dataset)

tardataset[nullmask] = [255, 255, 255, 0]

for index in range(0, len(colorbar)):

# 获取需要进行判断的值

valuemask = tardataset[:, :] == [-1, -1, -1, -1]

# 三维转二维，方便与dataset的mask合并

valuemask = valuemask[:, :, 0]

mask = dataset == colorbar[index][0]

tardataset[valuemask & mask] = assigncolor(tardataset, valuemask & mask, colorbar[index][1])

return tardataset

def gradient_drawer(dataset, colorbar, tardataset):

# 特殊值的处理

nullmask = np.isnan(dataset[:]) | np.isinf(dataset)

tardataset[nullmask] = [255, 255, 255, 0]

# 小于最小值

valuemask = tardataset[:, :] == [-1, -1, -1, -1]

valuemask = valuemask[:, :, 0]

mask = dataset <= colorbar[0][0]

tardataset[valuemask & mask] = assigncolor(tardataset, valuemask & mask, colorbar[0][1])

for index in range(0, len(colorbar) - 1):

# 获取需要进行判断的值

valuemask = tardataset[:, :] == [-1, -1, -1, -1]

if index == 18:

print(valuemask.shape)

valuemask = valuemask[:, :, 0]

mask = (dataset > colorbar[index][0]) & (dataset <= colorbar[index + 1][0])

tempmask = valuemask & mask

if tempmask[tempmask == True].size > 0:

ratio = (1.0 * (dataset[valuemask & mask] - colorbar[index][0]) / (colorbar[index + 1][0] - colorbar[index][0])).reshape(-1, 1)

colorrange = (np.array(colorbar[index + 1][1] - np.array(colorbar[index][1]))).reshape(1, -1)

temp = np.dot(ratio, colorrange) + np.array(colorbar[index][1])

if len(colorbar[index][1]) < 4:

alphaband = np.ones((temp.shape[0], 1))

alphaband[::] = 255

temp = np.column_stack((temp, alphaband))

tardataset[valuemask & mask] = temp

# 大于最大值

valuemask = tardataset[:, :] == [-1, -1, -1, -1]

valuemask = valuemask[:, :, 0]

mask = dataset > colorbar[-1][0]

tardataset[valuemask & mask] = assigncolor(tardataset, valuemask & mask, colorbar[-1][1])

return tardataset

def drawWindDir(in_file, u_ds, v_ds, dir_file, cb_file):

# 读取调色板

gradient_cb = []

single_cb = []

with open(cb_file, "r") as cb_json:

cb_data = json.load(cb_json)

gradient_cb = cb_data["gradient"]

single_cb = cb_data["single"]

# 读取风速

h5py_obj = h5py.File(in_file, 'r')

u_data = np.array(h5py_obj[u_ds])

v_data = np.array(h5py_obj[v_ds])

sws_data = np.array(h5py_obj["SWS"])

# 获取宽高

uh, uw = np.shape(u_data)

vh, vw = np.shape(v_data)

# 上下翻转数据

u = np.flip(u_data, 0)

v = np.flip(v_data, 0)

# 读取风速有效值范围

sws_valid = h5py_obj["SWS"].attrs['valid range']

# 用风速有效值控制无效值区域提取

valid_mask = (sws_data >= sws_valid[0]) & (sws_data <= sws_valid[1])

# 用u,v向量计算风速

wp = np.empty((uh, uw), dtype=np.float)

wp[:, :] = FILLVALUE

wp[valid_mask] = np.sqrt(np.power(u[valid_mask] / 100.0, 2) + np.power(v[valid_mask] / 100.0, 2))

# 初始化输出数据集

tardataset = np.ones((uh, uw, 4), dtype=np.int)

tardataset[::] = -1

# 去掉single调色板的值

tardataset = single_drawer(sws_data, single_cb, tardataset)

# 根据gradient调色板重新赋值

result_data = gradient_drawer(sws_data, gradient_cb, tardataset)

# 输出风速的底图

new_image = Image.fromarray(result_data.astype(np.uint8)).convert('RGBA')

new_image.save(in_file.replace(".HDF", ".png"), 'png')

# 风向的xy坐标,uv向量,1440,720，去除无效值

u_valid = valid_mask

X, Y = np.meshgrid(np.arange(0, uw, 1), np.flipud(np.arange(0, uh, 1)))

U = u.astype(np.int64)

V = v.astype(np.int64)

newU = np.zeros((uh, uw))

newV = np.zeros((uh, uw))

newU[u_valid] = U[u_valid] / np.sqrt(np.power(U[u_valid], 2) + np.power(V[u_valid], 2))

newV[u_valid] = V[u_valid] / np.sqrt(np.power(U[u_valid], 2) + np.power(V[u_valid], 2))

# 无效值为nan

newU[newU == 0] = np.nan

newV[newV == 0] = np.nan

# 创建画布

fig1 = plt.figure(figsize=(uw, uh), dpi=1)

ax1 = fig1.add_subplot(111)

# 去掉坐标轴，去掉两边空白,控制输出的xy轴范围

plt.axis('off')

plt.subplots_adjust(top=1, bottom=0, left=0, right=1, hspace=0, wspace=0)

plt.ylim(0, uh)

plt.xlim(0, uw)

# 栅格抽样

i = 10

Q = ax1.quiver(X[::i, ::i], Y[::i, ::i], newU[::i, ::i], newV[::i, ::i], scale=0.1, width=1, units="xy", angles='uv', headwidth=3.5, headlength=4, pivot="mid")

ax1.scatter(X[::i, ::i], Y[::i, ::i], color='r', s=30)

plt.show()

fig1.savefig(dir_file, transparent=True)

plt.close()

def mergeDirSpd(spd_img, dir_img, out_img):

backimage = Image.open(spd_img)

frontimage = Image.open(dir_img)

# 暂时没有考虑分辨率不一致情况

outimage = Image.alpha_composite(backimage, frontimage)

outimage.save(out_img)

if __name__ == "__main__":

in_path = sys.argv[1]