**问题解构**：用户的核心需求是获取用于地理绘图的 Python 库推荐、基本使用方法以及具体示例。这通常涉及地图投影、地理要素（如海岸线、国界）的绘制，以及将数据（如气象、人口）在地理坐标上进行可视化。 **方案推演**：基于参考资料，Cartopy 是解决此需求的核心库，它是一个基于 Matplotlib 的专用地理数据可视化库。因此，答案将围绕 Cartopy 展开，涵盖其核心概念、基本使用步骤、代码示例，并简要对比其他相关库。 ### 一、核心库推荐：Cartopy Cartopy 是一个强大的 Python 库，专门用于地理数据可视化。它建立在 Matplotlib 之上，提供了简单易用的接口来创建带有地图投影和地理要素的地图 [ref_1][ref_4]。 | 特性 | 描述 | | :--- | :--- | | **核心功能** | 支持多种地图投影、绘制地理要素（海岸线、国界、河流等）、在地理坐标上叠加数据。 | | **依赖基础** | Matplotlib, NumPy, PROJ (用于坐标转换)。 | | **主要应用领域** | 气象、海洋、地理、环境科学等需要进行地理空间数据可视化的领域 [ref_1][ref_4][ref_5][ref_6]。 | ### 二、Cartopy 基本使用方法与示例 #### 1. 安装与导入 ```bash # 安装命令 pip install cartopy ``` ```python # 导入必要的库 import cartopy.crs as ccrs # 导入投影模块 import cartopy.feature as cfeature # 导入地理要素模块 import matplotlib.pyplot as plt ``` #### 2. 创建带投影的地图 创建地图的核心是选择一个投影（`ccrs` 模块中定义）并将其传递给 `plt.axes` 或 `plt.subplot` 的 `projection` 参数 [ref_1][ref_4]。 ```python # 创建一个图形，并指定使用 PlateCarree 投影（等经纬度投影） fig = plt.figure(figsize=(10, 6)) ax = plt.axes(projection=ccrs.PlateCarree()) # 设置地图显示的范围（经度， 纬度） ax.set_extent([70, 140, 15, 55]) # 显示中国及周边区域 [ref_1] # 添加地理要素：海岸线 ax.coastlines() # 添加地理要素：国界和州界（分辨率可选 '10m', '50m', '110m'） ax.add_feature(cfeature.BORDERS, linestyle=':') ax.add_feature(cfeature.STATES, linewidth=0.5) plt.title('中国区域地图示例') plt.show() ``` #### 3. 使用不同的地图投影 Cartopy 支持数十种投影，以下展示两种常见投影： ```python # 示例1：兰伯特等角圆锥投影（常用于中纬度地区气象图） proj_lcc = ccrs.LambertConformal(central_longitude=105, central_latitude=35) ax1 = plt.subplot(1, 2, 1, projection=proj_lcc) ax1.set_extent([70, 140, 15, 55]) ax1.coastlines() ax1.set_title('兰伯特等角圆锥投影') # 示例2：正交投影（显示球体视图） proj_ortho = ccrs.Orthographic(central_longitude=105, central_latitude=35) ax2 = plt.subplot(1, 2, 2, projection=proj_ortho) ax2.coastlines() ax2.set_title('正交投影') ax2.gridlines() plt.tight_layout() plt.show() ``` #### 4. 在地图上绘制数据 这是地理绘图的关键步骤，需要确保数据的坐标与地图投影匹配。通常使用 `ax.plot`、`ax.contourf`、`ax.pcolormesh` 等方法，并通过 `transform` 参数指定数据本身的坐标参考系 [ref_4][ref_5]。 ```python import numpy as np # 生成模拟的经纬度网格和数据 lons = np.linspace(75, 135, 50) lats = np.linspace(15, 55, 50) lons, lats = np.meshgrid(lons, lats) # 模拟温度数据（一个简单的二维高斯分布） data = np.exp(-((lons - 105)**2 / 800 + (lats - 35)**2 / 300)) fig = plt.figure(figsize=(8, 6)) ax = plt.axes(projection=ccrs.PlateCarree()) ax.set_extent([70, 140, 15, 55]) # 绘制填色图。transform=ccrs.PlateCarree() 声明数据坐标是经纬度 cf = ax.contourf(lons, lats, data, 60, transform=ccrs.PlateCarree(), cmap='RdBu_r') # 添加海岸线和颜色条 ax.coastlines() plt.colorbar(cf, ax=ax, orientation='horizontal', pad=0.05, label='模拟温度') ax.set_title('模拟温度场分布（填色图）') plt.show() ``` #### 5. 添加高分辨率地理要素 对于更精细的地图，可以使用 Natural Earth 的高分辨率数据 [ref_1]。 ```python fig = plt.figure(figsize=(10, 8)) ax = plt.axes(projection=ccrs.PlateCarree(central_longitude=180)) ax.set_global() # 使用高分辨率（'10m'）数据添加陆地、海洋、湖泊特征 ax.add_feature(cfeature.LAND, edgecolor='black', facecolor='lightgray') ax.add_feature(cfeature.OCEAN, facecolor='lightblue') ax.add_feature(cfeature.LAKES, alpha=0.5, facecolor='blue') ax.add_feature(cfeature.RIVERS, edgecolor='blue') ax.gridlines(draw_labels=True, dms=True, x_inline=False, y_inline=False) plt.title('高分辨率全球地理要素示例') plt.show() ``` ### 三、其他相关库简要对比 虽然 Cartopy 是地理绘图的标杆，但在特定场景下，其他库也可能被用到。 | 库名称 | 主要用途 | 与地理绘图的关系 | | :--- | :--- | :--- | | **PyQtGraph** | 高性能的实时数据可视化，交互性强 [ref_2]。 | 主要用于动态信号、科学数据绘图，**非**专门的地理绘图库。但可在其窗口内嵌入 Matplotlib（含 Cartopy）图形部件，实现带交互的地理可视化。 | | **NetworkX** | 复杂网络的分析与可视化 [ref_3]。 | 用于分析地理网络（如道路、河流网络），计算最短路径等。其可视化是拓扑图，**不是**基于真实地理投影的地图。可与 Cartopy 结合，将网络节点布局在地理坐标上。 | | **Salem / regionmask** | 地理空间数据处理与掩膜 [ref_5][ref_6]。 | 这些库常用于**数据处理阶段**，例如将数据裁剪到特定地理区域（掩膜）。处理后的数据再交由 Cartopy 或 Matplotlib 进行可视化绘图。 | ### 四、总结与最佳实践建议 1. **入门首选 Cartopy**：对于绝大多数“在地图上画图”的需求，Cartopy 是最直接、功能最全面的选择。从简单的海岸线到复杂的气象场叠加，它都能很好地支持 [ref_4]。 2. **理解投影与变换**：地理绘图的核心挑战是坐标转换。务必清楚你的数据是哪种坐标（通常是 `ccrs.PlateCarree` 表示的经纬度），并通过 `transform` 参数正确告知绘图函数 [ref_1][ref_4]。 3. **分步构建图形**：建议按以下顺序构建地图：a) 创建图形和带投影的坐标轴；b) 设置地图范围；c) 添加底图要素（海岸线、国界等）；d) 使用正确的 `transform` 绘制你的数据层；e) 添加颜色条、图例、网格等修饰。 4. **结合其他库处理数据**：对于复杂的数据预处理（如区域平均、掩膜、插值），可以结合使用 xarray、geopandas、salem 等库，再将结果传递给 Cartopy 绘图 [ref_5][ref_6]。对于需要高度交互或实时更新的地理可视化，可以考虑将 Cartopy 图形嵌入到 PyQtGraph 或 Web 框架（如 Bokeh、Folium）的界面中 [ref_2]。