Python | Windows | 安装一个常用的海洋气象环境

简朴-ocean

已于 2024-08-29 12:02:03 修改

阅读量876

点赞数 21

分类专栏： python-海洋数据处理文章标签： python windows 开发语言

于 2024-08-26 21:08:25 首次发布

本文链接：https://blog.csdn.net/weixin_44237337/article/details/141573358

版权

python-海洋数据处理专栏收录该内容

77 篇文章 233 订阅

订阅专栏

写在前面

经常会看到一些交流群里讨论关于python虚拟环境中某些库安装不成功的问题，比如说关于地学数据处理和绘图的salem、geopandas、关于wrf输出的wrf-python，以及一些仿照matlab绘图风格的basemap。

这里，将我常用的一个安装方法分享给大家，便于在安装的虚拟环境出现问题时，可以比较便捷、快速的安装常用的库。

主要包括以下几个库：


gdal rasterio shapely geopandas scipy pyproj netCDF4 xarray joblib  salem pillow matplotlib scikit-image cartopy wrf-python cmaps metpy basemap

包括常用到的salem、geopandas、metpy、wrf-python

具体步骤

打开conda prompt

一般在windows 上安装完anaconda后，会在桌面-应用，里面出现Aanaconda3的目录，里面包含两个prompt，分别是：

Anaconda Powershell Prompt
Anaconda Prompt

任选一个用一般没什么问题，除非遇到需要管理员权限的部分可以考虑第一个，我这里选择第二个。

先检查一下自己的虚拟环境

conda env list

像我这里，就有3个虚拟环境，前两个分别为深度学习、日常使用的使用，最后一个为python=3.11版本下的备份环境

新建一个虚拟环境

下面开始新建一个新的虚拟环境，这里新建的环境中的python版本还是3.11，一般不太会出错，虚拟环境名称为：p311

conda create -n p311 python=3.11

新建完成后，进入你命名的虚拟环境，比如我这里就是进入p311的虚拟环境

conda activate p311

检查是否进入虚拟环境成功与否，最简单的方法就是看有没有提示报错，或者看你路径前的环境名称是否从base切换到p311

安装相关库

进入虚拟环境后，下面就是安装以上提到的package，相比于一个个安装，这里推荐使用 conda 一键安装所有的package

使用conda install 而不是 pip install 进行安装，简单来说：原因在于 Conda 可以有效地解决依赖冲突和版本问题，而Pip 只管理 Python 包，无法安装非 Python 的依赖。如果某个包依赖于特定版本的非 Python 库，使用 pip 安装可能会遇到问题。
使用 conda install 同时安装多个package时，他会自动检索相关的依赖环境并选择合适的版本

安装命令：

conda install conda-forge::gdal rasterio shapely geopandas scipy pyproj netCDF4 xarray joblib  salem pillow matplotlib scikit-image cartopy wrf-python cmaps metpy basemap

稍作等待即可，经过我的测试，如果在以上库中，再加上proplot会出现环境不适配的报错，感觉以上的库也是够日常使用了

下面可以进入spyder 或者 vscode中进行测试，如果是进入spyder的话，可以再虚拟环境中安装相关的spyder，

conda install spyder

这样点击相关虚拟环境名称的spyder，就可以直接进入使用了

测试 salem

测试代码来自官网

https://salem.readthedocs.io/en/stable/auto_examples/index.html

import salem 
import geopandas
from salem import mercator_grid, Map, get_demo_file
import matplotlib.pyplot as plt
# prepare the figure
f, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, figsize=(8, 7),dpi = 200)

# map extent
grid = mercator_grid(center_ll=(10.76, 46.79), extent=(18000, 14000))
sm = Map(grid, countries=False)
sm.set_lonlat_contours(interval=0)
sm.set_scale_bar()

# add topography
fpath = get_demo_file('hef_srtm.tif')
sm.set_topography(fpath)
sm.visualize(ax=ax1, addcbar=False, title='relief_factor=0.7 (default)')

# stronger shading
sm.set_topography(fpath, relief_factor=1.4)
sm.visualize(ax=ax2, addcbar=False, title='relief_factor=1.4')

# add color shading
z = sm.set_topography(fpath)
sm.set_data(z)
sm.set_cmap('topo')
sm.visualize(ax=ax3, title='Color with shading', addcbar=False)

# color without topo shading
sm.set_topography()
sm.visualize(ax=ax4, title='Color without shading', addcbar=False)

# make it nice
plt.tight_layout()
plt.show()

代码结果

salem

测试 geopandas

还是选择官网的测试代码,在他的基础上简单调整：

https://geopandas.org/en/stable/gallery/index.html

这里选择的测试个例需要先安装一个库:

conda install libpysal

测试代码：


import geopandas
from geopandas import read_file
import mapclassify
import libpysal
import matplotlib.pyplot as plt
_ = libpysal.examples.load_example("South")
pth = libpysal.examples.get_path("south.shp")
df = read_file(pth)

plt.figure(dpi=200)

ax = df.plot(
    column="HR60",
    scheme="QUANTILES",
    k=4,
    cmap="BuPu",
    legend=True,
    legend_kwds={"loc": "center left", "bbox_to_anchor": (1, 0.5)},
)

结果展示：

测试basemap

代码来自官网：

https://matplotlib.org/basemap/stable/users/examples.html

测试代码：

from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
import numpy as np
# set up orthographic map projection with
# perspective of satellite looking down at 45N, 100W.
# use low resolution coastlines.
map = Basemap(projection='ortho',lat_0=45,lon_0=-100,resolution='l')
# draw coastlines, country boundaries, fill continents.
map.drawcoastlines(linewidth=0.25)
map.drawcountries(linewidth=0.25)
map.fillcontinents(color='coral',lake_color='aqua')
# draw the edge of the map projection region (the projection limb)
map.drawmapboundary(fill_color='aqua')
# draw lat/lon grid lines every 30 degrees.
map.drawmeridians(np.arange(0,360,30))
map.drawparallels(np.arange(-90,90,30))
# make up some data on a regular lat/lon grid.
nlats = 73; nlons = 145; delta = 2.*np.pi/(nlons-1)
lats = (0.5*np.pi-delta*np.indices((nlats,nlons))[0,:,:])
lons = (delta*np.indices((nlats,nlons))[1,:,:])
wave = 0.75*(np.sin(2.*lats)**8*np.cos(4.*lons))
mean = 0.5*np.cos(2.*lats)*((np.sin(2.*lats))**2 + 2.)
# compute native map projection coordinates of lat/lon grid.
x, y = map(lons*180./np.pi, lats*180./np.pi)
# contour data over the map.
cs = map.contour(x,y,wave+mean,15,linewidths=1.5)
plt.title('contour lines over filled continent background')
plt.show()