将熊猫数据框重组为底图的网格网格答案

【问题标题】：restructuring pandas dataframe into meshgrid for basemap将熊猫数据框重组为底图的网格网格
【发布时间】：2016-08-02 02:22:27
【问题描述】：

我正在尝试关注basemap tutorial for SST and ice analysis。我的输入数据与示例中的数据不同，尽管它来自 netCDF4 作为掩码数组。

我有一个 pandas 数据框，例如：

val_df[0:5]
Out[47]:
    lat lon     value
0   0.4 98.7    NaN
1   0.4 98.8    NaN
2   0.4 98.9    0.64
3   0.4 99.0    NaN
4   0.5 98.5    1.23

纬度和经度表示数据点在地图网格上的唯一位置。要创建示例数据框，您可以使用以下代码：

from itertools import product
import pandas as pd
import numpy as np

locations = np.array([x for x in product([1,2,3],[4,5,6])])
data = np.random.random(len(locations))
val_df = pd.DataFrame({'lat':locations[:,0], 'lon':locations[:,1],
                      'value':data})

我之前所做的是获取这个数据框，旋转它（使用内置的旋转函数），以便lat 列是索引，lon 列是列，值是值。然后我可以使用m.imshow 来绘制结果值。

但是，这似乎是一个糟糕的解决方案。 A）pcolormesh 比imshow 更推荐，原因我不清楚，B）似乎人们通常使用网格网格，然后使用掩码数组。但是，我真的不清楚如何根据底图示例将我的数据构建到网格网格和掩码数组中，因为示例中的数据是预先成形的。

当我创建 lats/lons 的 mesh_grid 时，我会执行以下操作：

latmin = np.floor(val_df.lat.min())
latmax = np.ceil(val_df.lat.max())
lonmin = np.floor(val_df.lon.min())
lonmax = np.ceil(val_df.lon.max())
lats = np.arange(latmin, latmax, 0.1)
lons = np.arange(lonmin, lonmax, 0.1)
lats_mesh, lons_mesh = np.meshgrid(lats, lons)

但我目前不清楚如何构造和屏蔽value 列，以便当我将其提供给pcolormesh 时，值会出现在网格的正确位置，如下所示：

from mpl_toolkits.basemap import Basemap
m = Basemap(projection='merc'
           , llcrnrlon=lonmin
           , llcrnrlat=latmin
           , urcrnrlon=lonmax
           , urcrnrlat=latmax)
m.drawcoastlines()
m.drawstates()
m.drawcountries()
m.fillcontinents(color='gray', lake_color='white', zorder=0)
m.drawmapboundary(fill_color='white')

pc1 = m.pcolormesh(lons, lats, masked_data, shading='flat', cmap='hot_r', latlon=True)

【问题讨论】：

你能举一个我们可以运行的任意数据的例子吗？
我添加了更深入的描述。
如果您需要帮助，请务必制作一个人们可以直接复制和运行的脚本。
注意创建示例数据框的代码

标签： python matplotlib matplotlib-basemap

【解决方案1】：

基本上，我的问题的答案是我需要旋转我的数据框。

val_pivot_df = val_df.pivot(index='lat', columns='lon', values='b_value')

这会旋转数据框，用NaNs 填充没有数据的区域，然后像这样返回它。由于底图不喜欢熊猫，所以我将数据输出为 numpy 数组并绘制它。

lons = val_pivot_df.columns.values
lats = val_pivot_df.index.values

fig, ax = plt.subplots(1, figsize=(8,8))

m = Basemap(projection='merc',
        llcrnrlat=val_df.dropna().min().lat-5
        , urcrnrlat=val_df.dropna().max().lat+5
        , llcrnrlon=val_df.dropna().min().lon-5
        , urcrnrlon=val_df.dropna().max().lon+5
        , resolution='i', area_thresh=10000
        )

m.drawcoastlines()
m.drawstates()
m.drawcountries()
m.fillcontinents(color='gray', lake_color='white')#, zorder=0)
m.drawmapboundary(fill_color='0.3')

x, y = np.meshgrid(lons,lats) 
px,py = m(x,y) 

data_values = val_pivot_df.values
masked_data = np.ma.masked_invalid(data_values)

cmap = plt.cm.viridis

m.pcolormesh(px, py, masked_data, cmap=cmap, vmin=0, vmax=2, shading='flat')

m.colorbar()

【讨论】：