使用Matplotlib & Cartopy绘制我国台风路径图

夏天一到，沿海地区经常会遭到台风的袭扰，可谓苦不堪言。

之前在公众号做过一个关于我国1945~2015年历史台风统计的可视化展示，发现很多有趣的数据，比如说台风登陆最多的城市是湛江。

image.png

大家可以去翻看历史文章，附有完整代码和数据，有兴趣做些可视化探索。

大数据告诉你，台风最喜欢在我国哪个省市登陆

这次的文章不研究台风数据，而是尝试用Python来绘制台风路径。

主要第三方库

用到的主要工具包有pandas、numpy、matplotlib、cartopy、shapely，前三个库大家可能都熟悉，下面介绍下后两个库的使用场景。

❝cartopy：基于matplotlib的python地理数据处理和可视化库，本文会用来展示地图 shapely: 是一个对几何对象进行操作和分析的Python库，本文用来处理点线数据 ❞

cartopy文档：https://scitools.org.uk/cartopy/docs/latest/
shapely文档：https://shapely.readthedocs.io/en/stable/

台风路径数据

本文用到的数据是我国2017年所有台风路径，包含了时间、经纬度、强度等关键信息。

由于数据来源网络，没法追溯真实性，仅供练习。

原始数据比较乱，我重新处理了方便使用：

可以看到共有7个字段：

❝台风编号：我国热带气旋编号日期：具体时间强度：0~9 纬度：单位0.1度经度：单位0.1度中心气压：hPa 中心最大风速：m/s ❞

绘制地图

台风路径需要在地图上展示，那么如何获取地图呢？

方式有很多种，既可以用离线的GeoJson数据，也可以用JPG图片，或者第三方库提供的地图。

我这里用的是cartopy内置的地图数据，可以很方便的修改配置属性。

首先导入本次会用到的所有库：

代码语言：javascript复制

# cartopy：用来获取地图
import cartopy.crs as ccrs
import cartopy.feature as cfeature
# matplotlib：用来绘制图表
import matplotlib.pyplot as plt
# shapely：用来处理点线数据
import shapely.geometry as sgeom
import warnings
import re
import numpy as np
import pandas as pd
warnings.filterwarnings('ignore')
plt.rcParams['font.sans-serif'] = [u'SimHei']
plt.rcParams['axes.unicode_minus'] = False

获取我国沿海区域地图：

代码语言：javascript复制

# 通过cartopy获取底图
fig = plt.figure(figsize=(10,10))
ax = fig.add_subplot(1, 1, 1, projection=ccrs.PlateCarree())

# 用经纬度对地图区域进行截取，这里只展示我国沿海区域
ax.set_extent([85,170,-20,60], crs=ccrs.PlateCarree())

# 设置名称
ax.set_title('2017年台风路径图',fontsize=16)

# 设置地图属性，比如加载河流、海洋
ax.add_feature(cfeature.LAND)
ax.add_feature(cfeature.OCEAN)
ax.add_feature(cfeature.COASTLINE)
ax.add_feature(cfeature.RIVERS)
ax.add_feature(cfeature.COASTLINE)
ax.add_feature(cfeature.LAKES, alpha=0.5)

# 展示地图
plt.show()

处理数据并可视化

先加载数据：

代码语言：javascript复制

typhoonData = pd.read_csv('typhoonData.csv')

这个数据集包含了30个台风路径，所以后面要分别进行可视化。

再对数据进行处理，依次提取单个台风路径及其经纬度。

代码语言：javascript复制

# 先对台风编号进行循环，提取单个台风数据
for typhoonNumber in typhoonData['台风编号'].unique():
    typhoon = typhoonData[typhoonData['台风编号']==typhoonNumber]
    # 再对单个台风数据进行处理，提取经纬度
    for typhoonPoint in np.arange(len(typhoon)-1):
        lat_1 = typhoon.iloc[typhoonPoint,3]/10
        lon_1 = typhoon.iloc[typhoonPoint,4]/10
        lat_2 = typhoon.iloc[typhoonPoint 1,3]/10
        lon_2 = typhoon.iloc[typhoonPoint 1,4]/10
        point_1 = lon_1,lat_1
        point_2 = lon_2,lat_2
        # 最后可视化
        ax.add_geometries([sgeom.LineString([point_1,point_2])],crs=ccrs.PlateCarree(),edgecolor='red')
        
    
# 展示图像
plt.show()

能看到所有台风路径都被描绘出来了。

但这里没有区别显示台风强度，一般是在.add_geometries()方法中添加参数调整。

有两种方式：

用颜色区别：不同颜色代表不同强度，参数-edgecolor
用线条粗细区别：越粗则强度越高，参数-linewidth

颜色区分

代码语言：javascript复制

# 按强度区分颜色
def get_color(level):
    if level in (0,1):
        color='#ff00ff'
    elif level in (2,3):
        color='#ff00cc'
    elif level in (4,5):
        color='#ff0066'
    elif level in (6,7):
        color='#ff0033'
    elif level in (8,9):
        color='#ccff00'
    return color

# 先对台风编号进行循环，提取单个台风数据
for typhoonNumber in typhoonData['台风编号'].unique():
    typhoon = typhoonData[typhoonData['台风编号']==typhoonNumber]
    # 再对单个台风数据进行处理，提取经纬度
    for typhoonPoint in np.arange(len(typhoon)-1):
        lat_1 = typhoon.iloc[typhoonPoint,3]/10
        lon_1 = typhoon.iloc[typhoonPoint,4]/10
        lat_2 = typhoon.iloc[typhoonPoint 1,3]/10
        lon_2 = typhoon.iloc[typhoonPoint 1,4]/10
        point_1 = lon_1,lat_1
        point_2 = lon_2,lat_2
        # 最后可视化，添加颜色参数
        ax.add_geometries([sgeom.LineString([point_1,point_2])],crs=ccrs.PlateCarree(),edgecolor=get_color(typhoon.iloc[typhoonPoint,2]))
        
# 展示图像
plt.show()

线条粗细区分

代码语言：javascript复制

# 先对台风编号进行循环，提取单个台风数据
for typhoonNumber in typhoonData['台风编号'].unique():
    typhoon = typhoonData[typhoonData['台风编号']==typhoonNumber]
    # 再对单个台风数据进行处理，提取经纬度
    for typhoonPoint in np.arange(len(typhoon)-1):
        lat_1 = typhoon.iloc[typhoonPoint,3]/10
        lon_1 = typhoon.iloc[typhoonPoint,4]/10
        lat_2 = typhoon.iloc[typhoonPoint 1,3]/10
        lon_2 = typhoon.iloc[typhoonPoint 1,4]/10
        point_1 = lon_1,lat_1
        point_2 = lon_2,lat_2
        # 最后可视化
        ax.add_geometries([sgeom.LineString([point_1,point_2])],crs=ccrs.PlateCarree(),linewidth = typhoon.iloc[typhoonPoint,2],edgecolor='red')
        
# 展示图像
plt.show()

最后

上文用比较简单的方式绘制了台风路径图，大家可以尝试换个三维地图，或者用动态显示台风走势...

玩法挺多的，赶紧尝试尝试吧。

python https matlab numpy

0 人点赞