wlh2067的博客

Origin2022他来了！

6.接下来尝试突出显示重要的线（如平均值等等），选择一条直线，双击进入属性，点击Independent把这条线独立出去。11.右键图例——Properties，修改字体和大小。3.随便选一根线，双击进入属性设置（Origin交互设置很方便）Line style改成By one。左下角切换图层2后，把Tick Labels里的Top和Right的显示全关了。改From to和Minor Ticks（都是为了美观，具体可以微调）12.接下来修改细节，如拖动一个正方形过去，修改属性，设置透明度和颜色。

在这里能找到ArcGIS支持的投影：https://desktop.arcgis.com/zh-cn/arcmap/latest/map/projections/list-of-supported-map-projections.htm。3.切换布局视图，添加经纬网，右键图层，DataFrame Properties——Grids——New Grid。加载世界国家地图，再通过Selection创建所需要的图层，配置颜色。2.右键图层属性，搜索Vertical，设置中心点投影经纬度，如图。

把影像截图粘贴到PS中，这样PS中就有两个图层，一个地形、一个影像。还可以修改画布大小，要确保影像和地形的范围是重叠的（设置一个观测点）建过三维地形的同仁们都清楚，要建出一个精确的地形模型基本要靠CAD，GIS，AI这些软件协同操作。top_layer_groups中top_layer_hd的第一个图层双击进行编辑。如果说有一个PS插件可以在半个小时，甚至几分钟内生成一张这样的可视化的3D地形图，是否足够黑科技？这样就制作好了，接下来就可以按自己的需求绘制了。可惜的是，这个插件是收费的，不算贵也不算便宜。

它可以将陆地要素保持在真实的相对大小，同时可以保持与中心的真实方向感。虽然所有投影均可使用（赤道投影、极方位投影和斜轴投影），但是最常用的还是极方位投影。做全球碳水循环，植被变化，极端气候相关研究的同学都知道。2.右键Layer——Data Frame Properties——Coordiante System——搜索Lambert azimuthal，选择北极点或南极点。4.右键图层，DataFrame Properties——Grids——New Grid。5.一路点下去，这里修改间隔，最后点确定。

都是可编辑的ppt形状，我把它下载下来并提取了其中非常有用的，后台回复【机器学习绘图】领取。最后，ML机器学习流程图绘制可以参考相应模板，这个项目在GitHub上。重复上述过程，叠加立方体，设置不同颜色，如图所示。本次目标如下图，难点在于立方体和矩阵格网的绘制。科研代码不提倡重复造轮子，其实绘图也是。调整好使其贴合立方体，如图所示。文末附机器学习绘图模板~最后添加文字，细节等等。可以给作者投递star。

9.添加矩形色块和时序曲线，矩形色块通过在PPT中批量复制粘贴无边框的纯色快，设置颜色。4.在Visio形状——找到基本形状（不同Visio版本也许不同）将圆角矩形方块拖入页面中，双击矩形添加文字。7.接下来绘制神经网络的连线，并去除箭头，修改颜色（可以用格式刷）。将所有文字填充好，所有要素连接，并进行综合绘制，查看效果。11.连接线若无法连接到图像内部，可以点击“X”，再按住Ctrl，手动添加连接点。5.插入基本的连接线，修改连接线粗细，样式；复现 论文中的图3，改图是研究流程，主要讲了神经网络的流程。

图片工具-颜色-设置透明色，将boxplot的背景删除。接下来绘制一个长方形，置于图片底层，右键设置格式。使用base R而非ggplot，baseR对于细节的把控更强一些。今天“复现”这张图片，来自IPCC AR6。接下来将图片导出到PPT。填充与线条-渐变光圈。

数据科学和科研绘图的人离不开R的ggplot2，尽管python已经有了诸如matplotlib、seaborn等强大绘图包，兼有basemap、cartopy等空间数据可视化能力，但相较于R的ggplot，总感觉欠缺了点东西。此外，整个seaborn的API重写后，操作方式也变化很大，科研人表示要重新开始学习了，不得不感叹开源软件发展的速度，稍微不学习就会落下。最后是分面的功能，这在R中非常容易，现在在python中也很方便了。先以散点图为例，这个add()就像R中的 + geom()…

各类地理数据中，NC格式是很常见的，然而这种格式ArcGIS是无法打开的。一般nc数据中lon和lat是必有的，只不过名字也许不同，可能有的是“longtitude”和“latitude”，我们要的数据是“di_01”。由于不同NC维度不同，数据格式、类型、存储方式都可能不同，因此一定要真正理解代码，才能对其进行修改，使之适合自己的数据。最后是输入路径和输出路径，输出路径是一空文件夹，输入路径记录了全部的nc文件。下图中是结果，红框是变量名，蓝框是数据类型，绿框是数据大小。径记录了全部的nc文件。

画一个比例尺带'N'文字注释主要参数如下:param ax: 要画的坐标区域 Axes实例 plt.gca()获取即可:param labelsize: 显示'N'文字的大小:param loc_x: 以文字下部为中心的占整个ax横向比例:param loc_y: 以文字下部为中心的占整个ax纵向比例:param width: 指南针占ax比例宽度:param height: 指南针占ax比例高度:param pad: 文字符号占ax比例间隙。

加载数据源这里默认是csv或excel的一列，一般数据处理好都是这样，一列Observe，一列Predict。如果数据源不一致（如txt）存进来是list，也强烈推荐存成DataFrame。这里是线性拟合（最小二乘）有k和b，没有计算p值，若需要还要自己算一下。这里是线性拟合（最小二乘）有k和b，没有计算p值，若需要还要自己算一下。经常在论文中见到validation的图，那么这种图应该怎么做呢？RMSE等等是自己写的程序（函数）实现。RMSE等等是自己写的程序（函数）实现。

float 或 array,维度为(n, ), 非必需。) 是标记的形状，具体可看matplotlib官方文档。如果没有，则使用颜色数组的相应最小值和最大值。) 颜色条，可以用colormap，参考官方文档。float或 array 维度为(n, )**c **array或list，映射颜色。0 (完全透明) and 1 (不透明).与默认规范一起使用，以将颜色数组。如果为“真”，则使用。.缩放颜色的选项，一般不用。不能与norm同用。

Matplotlib更多的色卡可见：https://matplotlib.org/stable/tutorials/colors/colormaps.html。seaborn在此基础上封装的更厉害，直接使用palette=colorname即可。python绘图一般使用两个库，

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-TKIaA616-1668745282043)(C:/Users/wang/AppData/Roaming/Typora/typora-user-images/image-20220827235703718.png)]这个Matplotlib子函数特别简单，只有三个参数，别看参数少，但功能可不小。

Cartopy 是英国气象局开发的地图绘图包，实现了 Basemap 的大部分功能，还可以通过 Matplotlib 的 API 实现丰富的自定义效果。相比于ArcGIS、QGIS和ArcGISpro用鼠标点来点去，编程绘图也是有很大的优点的，方便，可批量，美观。用于添加栅格，x和y对应经纬度，一般来说nc文件自带这个数据，prcp是栅格矩阵，levels是颜色映射的level。似乎Cartopy是目前比较不错的选择，但是实在是太不稳定了，很多功能还不完备，目前的版本是0.21。

建过三维地形的同仁们都清楚，要建出一个精确的地形模型基本要靠CAD，GIS，AI这些软件协同操作。还需要下载在线底图，多重叠加分析。如果说有一个PS插件可以在半个小时，甚至几分钟内生成一张这样的可视化的3D地形图，是否足够黑科技？▼https://www.3d-map-generator.com/https://tangrams.github.io/heightmapper/范围选择好后，选择“Export”把上面的图层丢进PS，可以用ctrl T自由变换或者裁剪工具修改大小之后去Google Map截图一