底图中的lat lon对齐的pcolormesh方法 - 功能还是bug？

Question

我使用Matplotlib和底图在地图上绘制网格化数据。我使用此代码将pcolormesh方法与散点图进行比较：

fig = plt.figure()
ax = fig.add_axes([0.1,0.1,0.8,0.8])
# setup of basemap ('lcc' = lambert conformal conic).
# use major and minor sphere radii from WGS84 ellipsoid.
m = Basemap(width=12000000,height=9000000,
            rsphere=(6378137.00,6356752.3142),\
            resolution='l',area_thresh=1000.,projection='lcc',\
            lat_1=projection['standard_parallel'][0],\
            lat_2=projection['standard_parallel'][1],\
            lat_0=projection['latitude_of_projection_origin'],\
            lon_0=projection['longitude_of_central_meridian'])
x, y = m(lons, lats) # compute map proj coordinates.
# draw coastlines and political boundaries.
m.drawcoastlines()
m.drawcountries()
m.drawstates()
# draw parallels and meridians.
# label on left and bottom of map.
parallels = np.arange(0.,80,20.)
m.drawparallels(parallels,labels=[1,0,0,1])
meridians = np.arange(10.,360.,30.)
m.drawmeridians(meridians,labels=[1,0,0,1])
#cs = m.pcolormesh(x,y,data) 
cs = m.pcolormesh(x,y,data,shading='flat',cmap=plt.cm.rainbow) 
cb = m.colorbar(cs,"right", size="5%", pad='2%', ticks=V[0::5])
m.scatter(x*data,y*data, marker='.', s=100, c='g')
ax.set_title(title)
plt.show(block=False)

我得到的情节如下：

请注意，lon-lat坐标对应于每个网格框的左下角。这是设计还是错误？我会按设计思考，但后来我看到的所有例子（http://matplotlib.org/basemap/users/examples.html）都没有提到它。我希望网格单元以lon lat坐标点为中心，它们本身位于不规则网格上（lons，lats变量是2d数组）。我如何实现这一目标？

NB。这里的数据变量只是一个对应于1或nans的掩码。

感谢。

已编辑：根据Tom的建议，如果我尝试使用contourf，我会得到以下图像（缩放约与第一张图像相同）。

它仍然没有很好地处理边缘，因为它无法在有限值和纳米之间绘制表面，因此存在许多缺失点。我想要渲染每个网格单元格。似乎imshow可以做我想要的，但这似乎只适用于常规（线性）网格。

Answer 1

pcolormesh将节点坐标作为X和Y参数。从append（到pcolor，但与pcolormesh相同）：

  

X和Y，如果给出，请指定彩色的(x, y)坐标   四边形; C[i,j]的四边形有以下角落：

(X[i,   j],   Y[i,   j]), 
(X[i,   j+1], Y[i,   j+1]), 
(X[i+1, j],   Y[i+1, j]), 
(X[i+1, j+1], Y[i+1, j+1]).

     

理想情况下，X和Y的尺寸应大于C的尺寸;如果尺寸相同，则忽略C的最后一行和一列。

我建议对x和y中每个四边形点的x和y坐标进行平均，然后使用scatter的坐标来平衡点。< / p>

Answer 2

要计算2D中心网格点阵列的左下角，请使用以下平均例程：

# adjust xlon,xlat values so they represent corners of grid cells for mapping using pcolor
# calculate average between two points and reassign lat/lon pairs
# skip first row and column of data since there are no points outside of domain to average with

# define empty arrays for storing new lats, lons, and values
corner_lats=np.empty([len(xlat[:,0])-1, len(xlat[0,:])-1],float)
corner_lons=np.empty([len(xlat[:,0])-1, len(xlat[0,:])-1],float)
corner_values=np.zeros([len(xlat[:,0])-1, len(xlat[0,:])-1],float)

# go through each xlat and xlon array and calculate LL corners
for lat in range(1,len(xlat[:,0])-1):
    for lon in range(1,len(xlat[0,:])-1):
        corner_lats[lat,lon]=(xlat[lat,lon]+xlat[lat+1,lon])/2
        corner_lons[lat,lon]=(xlon[lat,lon]+xlon[lat,lon+1])/2
        corner_values[lat-1,lon-1]=data[lat,lon]

然后在映射时，使用新的角落，lons和值：

m.pcolor(corner_lons,corner_lats,corner_values,latlon=True)

Answer 3

您可以手动调整lon和lat数据，将网格间距的1/2向下移动到左侧。然后当你绘制它时，原始的lons和lats将位于每个像素的中心。此代码还为lons和lats数组的每个维度添加了一个，因此它们比数据本身的维度大一个，documentation状态是理想的。

# Subtract 1/2 the grid size from both lon and lat arrays
lons = lons - dlon/2
lats = lats - dlat/2
# Add 1 grid spacing to the right column of lon array and concatenate it as an additional column to the right
lons = np.c_[ lons, lons[:,-1]+dlon ]
# Duplicate the bottom row of the lon array and concatenate it to the bottom
lons = np.r_[ lons, [lons[-1,:]] ]
# Duplicate the right-most column of lats array and concatenate it on the right
lats = np.c_[ lats, lats[:,-1] ]
# Add 1 grid spacing to the bottom row of lat array and concatenate it as an additional row below
lats = np.r_[ lats, [lats[-1,:]+dlat] ]

# Then plot as before
m.pcolormesh(lons, lats, data)