根据给定值对Cartopy地图国家/地区进行着色

Question

我正在和那些非常了解Cartopy的人交谈……因为我使用Cartopy来制作地图，但是我不太清楚它是如何工作的。

首先，我创建了一张欧洲地图（从最广泛的意义上说，从大西洋到乌拉尔），如附图所示。

然后，我有一个单独的文件，称为dft0，它指示每个欧洲国家某种现象的出现时间（Time0），以相对于任意日期的天数为单位D，并从min到max进行排序；作为第一行的示例：

    Country     Time0
20  Italy    -16.063702
10  Denmark   -2.798684
39  Sweden    -2.711578
15  Germany    3.259436

因此，所谓的现象首先出现在意大利16.1 days之前的D 之前，然后出现在丹麦2.8 days 之前的之前/ strong> D，然后在瑞典2.7 days 之前 D，然后在德国，3.3 days 之后 { {1}}等，然后去了白俄罗斯，它出现在{strong}之后D 52.1 days。 D。

文件52.1中有44个这样的值（从负到正），从dft0到-16.1。

我的问题是：知道我做了一个合适的程序来绘制欧洲地图，因此我应该在程序中添加哪种代码才能根据变量为国家/地区着色52.1，例如从Time0（对于意大利）到red（对于白俄罗斯），遵循可见光谱的颜色，其中violet和red = 800 nm ？

更准确地说，如果是violet = 400 nm，我想用（大约）Time0 = x对应的颜色为相应的国家/地区着色。

为了更容易理解，我插入了一个图，显示了如何计算颜色y = -5.9 x + 705.6 nm（在y中）；这是基本的线性插值。

我真的不知道是否可以完成，因为它似乎很复杂（可能不必要地复杂）。因此，我愿意接受任何其他想法。目的是区分文件nm中我所拥有的44个国家，并按顺序排列的颜色显示出有规律的减少（或有规律的增长...）

感谢您的关注。

已添加：我使用的 Cartopy 程序：

dft0

Answer 1

此解决方案基于您发布的代码示例，并在this answer

上大量使用

import matplotlib.pyplot as plt
import matplotlib
import cartopy
from cartopy.io import shapereader
import cartopy.crs as ccrs
import geopandas
import numpy as np

# get natural earth data (http://www.naturalearthdata.com/)

# get country borders
resolution = '10m'
category = 'cultural'
name = 'admin_0_countries'
shpfilename = shapereader.natural_earth(resolution, category, name)

# read the shapefile using geopandas
df = geopandas.read_file(shpfilename)


# Set up the canvas
fig = plt.figure(figsize=(8, 8))
central_lon, central_lat = 0, 45
extent = [-10, 45, 35, 70]
ax = plt.axes(projection=cartopy.crs.Orthographic(central_lon, central_lat))
ax.set_extent(extent)
ax.gridlines()

# Add natural earth features and borders
ax.add_feature(cartopy.feature.BORDERS, linestyle=':', alpha=1)
ax.add_feature(cartopy.feature.OCEAN, facecolor=("lightblue"))
ax.add_feature(cartopy.feature.LAND)
ax.coastlines(resolution='10m')

# Insert your lists of countries and lag times here
countries = ['Germany', 'France', 'Italy', 'Spain', 'Ukraine']
lags = [-20,-5, 15, 0, 2]

# Normalise the lag times to between 0 and 1 to extract the colour
lags_norm = (lags-np.nanmin(lags))/(np.nanmax(lags) - np.nanmin(lags))

# Choose your colourmap here
cmap = matplotlib.cm.get_cmap('viridis')


for country, lag_norm in zip(countries, lags_norm):
    # read the borders of the country in this loop
    poly = df.loc[df['ADMIN'] == country]['geometry'].values[0]
    # get the color for this country
    rgba = cmap(lag_norm)
    # plot the country on a map
    ax.add_geometries(poly, crs=ccrs.PlateCarree(), facecolor=rgba, edgecolor='none', zorder=1)

# Add a scatter plot of the original data so the colorbar has the correct numbers. Hacky but it works
dummy_scat = ax.scatter(lags, lags, c=lags, cmap=cmap, zorder=0)
fig.colorbar(mappable=dummy_scat, label='Time lag of phenomenon', orientation='horizontal', shrink=0.8)

结果：

Map of Europe with France, Germany and Italy coloured

关于可见光谱的着色，除非您有充分的理由，否则我强烈劝您不要这样做。相反，我使用了matplotlib的inbuilt perceptually uniform colourmaps之一。如果viridis不能满足您的需要，您还可以使用许多其他颜色图。这些可感知的统一颜色图是可取的，因为它们不会使您的数据失真。有关更多信息，请查看this page或this more in depth discussion，或搜索有关可感知的统一颜色图的信息。您作品的观看者（尤其是有色觉障碍的观看者）会感谢您。