Question

我需要在多边形内创建海面温度（SST）数据的填充等高线图，但我不确定最佳方法。我有三个包含X，Y和SST数据的1D数组，我使用以下内容绘制以创建附图：

p=PatchCollection(mypatches,color='none', alpha=1.0,edgecolor="purple",linewidth=2.0)
levels=np.arange(SST.min(),SST.max(),0.2)
datamap=mymap.scatter(x,y,c=SST, s=55, vmin=-2,vmax=3,alpha=1.0)

我希望能够将这些数据绘制为在多边形边界（紫色线）内受约束（剪切）的填充轮廓（contourf而不是散射）。关于如何实现这一目标的建议非常感谢。

enter image description here

更新我最初尝试过griddata，但无法让它正常工作。但是，根据@eatHam提供的答案，我决定再试一次。当我选择方法'立方'时，我无法让我的scipy griddata工作，因为它一直悬挂在网格上，但是当我切换到matplotlib.mlab.griddata并使用'线性'插值时它起作用。掩盖边界的建议提供了一个非常粗略而不是我想要的精确解决方案。 Image showing the solution using masked clipping

我搜索了如何在matplotlib中剪辑轮廓的选项，我在这个link找到了@pelson的答案。我尝试了暗示的建议解决方案：“轮廓集本身没有set_clip_path方法，但您可以迭代每个轮廓集合并设置它们各自的剪辑路径”。我的新的最终解决方案看起来像这样（见下图）：

  p=PatchCollection(mypatches,color='none', alpha=1.0,edgecolor="purple",linewidth=2.0)
  levels=np.arange(SST.min(),SST.max(),0.2)
  grid_x, grid_y = np.mgrid[x.min()-0.5*(x.min()):x.max()+0.5*(x.max()):200j,
                          y.min()-0.5*(y.min()):y.max()+0.5*(y.max()):200j]
  grid_z = griddata(x,y,SST,grid_x,grid_y)

  cs=mymap.contourf(grid_x, grid_y, grid_z)

  for poly in mypatches:
      for artist in ax.get_children():
          artist.set_clip_path(poly)

      ax.add_patch(poly)
  mymap.drawcountries()
  mymap.drawcoastlines()
  mymap.fillcontinents(color='lightgrey',lake_color='none')
  mymap.drawmapboundary(fill_color='none')

在推断北方的极端边缘方面，这种解决方案也可以特别改进。关于如何真正“填充”完整多边形的建议值得赞赏。我也想了解为什么mlab工作和scipy没有。

Final solution showing clipped contours using set_clip_path

Answer 1

我会使用scipy.griddata插入数据。您可以将区域之外的区域（mypatches）设置为np.nan。然后使用pyplot.contour绘制它。

import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import griddata

def sst_data(x, y):
    return x*(1-x)*np.cos(4*np.pi*x) * np.sin(4*np.pi*y**2)**2

                         #replace with ...
x = np.random.rand(1000) #... your x
y = np.random.rand(1000) #... your y
sst = sst_data(x, y)     #... your sst

# interpolate to a grid
grid_x, grid_y = np.mgrid[0:1:100j, 0:1:200j] 
grid_z = griddata((x,y), sst, (grid_x, grid_y), method='cubic')

# mask out the area outside of your region
nr, nc = grid_z.shape
grid_z[-nr//3:, -nc//3:] = np.nan

plt.contourf(grid_x, grid_y, grid_z)

plt.show()

enter image description here

编辑：在plt.contourf（）调用中更改了变量名称（是..（grid_z，grid_y，grid_z））

在多边形内轮廓不规则数据

1 个答案: