Xarray,不用ArcGIS,所有地理空间绘图全搞定...

前言

今天是我的可视化课程上线的第220天，目前学员413人，每篇原创公众号都会记录这个人数，用来督促和激励我的原创内容。目前课程的主要方向是科研、统计、地理相关的学术性图形绘制方法，后续也会增加商务插图、机器学等、数据分析等方面的课程。
参与课程的你将获取到：学员答疑、可视化资源分享、可视化技巧补充、可视化业务代做(学员和甲方对接)、副业交流、提升认知等等。

空间绘图神器-Xarray

今天直接给大家介绍一下我最近常用的空间绘图神器-Xarray，之所以给大家推荐这个工具包，是因为我最近在空间可视化课程中免费新增的部分内容，其就是使用Xarray工具绘制的。先给大家看一下新增的可视化预览图：

可视化课程新增Xarray绘图样例

话不多说，直接给大家介绍一下这个工具，如下：

Xarray 是一个基于Python的开源工具包，用于在多维标记数组上进行标签化数据分析，

主要特点：

标签化数据：Xarray引入了坐标和轴标签的概念，使得对数据进行索引、切片和选择更加灵活和直观。
多维数据分析：Xarray专注于处理多维数组，能够轻松地处理和操作高维数据，适用于气象、地球科学、气候建模等领域。
数据对齐：Xarray提供了强大的数据对齐功能，可以自动根据坐标对齐不同数据集，简化了数据融合和分析的过程。
多种数据格式支持：Xarray支持多种常见的数据格式，如NetCDF、HDF5等，方便数据的读取和写入。
并行计算：Xarray结合了Dask，可以实现并行计算，处理大型数据集时能够充分利用多核处理能力。

优势：

灵活性：Xarray的标签化数据结构使得数据处理操作更加直观和灵活，能够快速进行数据的选择、转换和分析。
效率：Xarray通过对数据进行坐标对齐，能够高效地处理大型数据集，减少了内存使用和计算时间。
可视化：Xarray结合了Matplotlib和Cartopy等绘图库，提供了丰富的绘图功能，可以直接在数据上进行可视化分析。

绘图功能：

Xarray提供了丰富的绘图功能，可以满足不同类型数据的可视化需求，例如绘制二维和三维数据的线图、散点图、等值线图、色彩地图等。通过与Matplotlib和Cartopy等库的无缝集成，用户可以轻松地自定义绘图样式和布局。

应用场景：

气象数据分析：Xarray在气象领域广泛应用，可以处理和分析大规模的气象观测数据、模拟数据等，进行天气预测、气候变化研究等工作。
地球科学数据分析：Xarray适用于处理和分析地球科学数据，如地震数据、地形数据、海洋环流模拟数据等，可以进行地质勘探、地球物理研究等方面的工作。
气候建模：Xarray能够处理复杂的气候模型输出数据，用于构建和评估气候模型，以及研究气候变化、极端事件等。
数据分析和可视化：Xarray可以用于常规的数据分析工作，如数据清洗、转换、计算统计指标等，并结合绘图功能进行数据可视化和探索性分析。

可视化案例

从月平均值时间序列计算季节平均值

多子图绘制

多维度数据绘制

更多案例可参考：Xarray官网[1]。

PS：默认的Xarray绘制的图形结果，显然离论文发表需求还有一定的距离，那么如何绘制一幅符合论文出版需求的图表呢？

如何快速学习科研绘图技巧？

如何快速的学习科研论文绘图技巧？笔者给大家列举了以下几点：

学习基本工具和软件: 先熟悉常用的科研绘图工具和软件，例如Python或者R语言等，选择一款适合你的工具。
参考教程和指南: 在线教程、视频教程和指南是学习的好资源。
模仿和实践: 查看优秀的科研绘图范例，模仿它们的风格和技巧。同时，勤练手，多做练习，实践是提高技能的关键。
了解图表类型和用途: 了解不同类型的科研图表，例如折线图、柱状图、散点图等，以及它们在传达信息方面的优缺点。
注重细节和清晰性: 细节决定成败，确保图表的字体清晰、线条精细、标签明了，避免视觉混乱。
遵循学术规范: 遵循学术期刊或机构对图表的规定和要求，包括字体大小、图表标题、坐标轴标签等。
请教专家或同事: 有条件的同学可以跟随一个大佬进行系统学习，向他们寻求指导和建议，可以加速你的学习过程。

这里笔者建议，在资金允许的前提下，可以报名一个长期有效的可视化课程，别报名那种合集资料、没后期服务的课程。建议参加那种作者本人录制视频、有详细代码和数据、有后期服务、有观课平台(如果这个都没有，真的不建议大家购买，说的再好都不要购买)。如果课程持续更新的最好，最好课程本人有一定影响力(比如出书或者大V），那样自己的权益也会受到保障。感兴趣的读者可以看下我们自己的课程介绍，可视化系列课程推文。完美满足我说的那几个条件····

系统学习可视化

当然，在学习数据可视化的道路上，你也有很多问题得不到解答，也可以加入我们的可视化课程(可视化系列课程推文)后，在学员群里和大家一起谈论，一起进步，或者直接向我提问。如果我觉得你的问题很具有普适性，我会把它写成文章发布在公众号上，让更多人看到，有关我们数据可视化系列课程的服务内容，可以参考下面的阅读原文。