根据给定值的颜色 Cartopy 地图国家

Question

我正在与熟悉 Cartopy 的人交谈......因为我使用 Cartopy 制作地图，但我不太了解它是如何工作的。

首先，我绘制了一张欧洲地图（广义上，从大西洋到乌拉尔），如图所示。

然后，我有一个单独的文件，比如dft0，为每个欧洲国家指明某种现象出现的时间（Time0），以相对于任意日期D 的天数计算，以及从min 到max 排序；以第一行为例：

    Country     Time0
20  Italy    -16.063702
10  Denmark   -2.798684
39  Sweden    -2.711578
15  Germany    3.259436

所以，所谓的现象首先出现在意大利，16.1 daysbefore我的约会D，然后在丹麦，2.8 daysbeforeD ，然后在瑞典，2.7 daysbeforeD，然后在德国，3.3 daysafterD等，去白俄罗斯，在那里出现@ 987654339@ 之后 D。 52.1.

文件dft0中有44个这样的值（从负到正），从-16.1到52.1。

我的问题是：知道我做了一个合适的程序来绘制欧洲地图，我应该在程序中添加什么样的代码才能根据变量为国家着色Time0，例如从red（意大利）到violet（白俄罗斯），按照可见光谱的颜色，其中red = 800 nm和violet = 400 nm?

更准确地说，如果Time0 = x，我想用对应于（大约）y = -5.9 x + 705.6 nm 的颜色为相应的国家着色。

为了更容易理解，我插入了一个图表，显示如何计算颜色y（在nm）；这是一个基本的线性插值。

我真的不知道它是否可以完成，因为它似乎很复杂（可能是不必要的复杂）。所以，我对任何其他想法持开放态度。目的是区分我在此文件dft0 中的44 国家/地区，使用有序的调色板，显示定期减少（或定期增长......）

感谢您的关心。

添加：我使用的Cartopy程序：

import matplotlib.pyplot as plt
import cartopy
import cartopy.io.shapereader as shpreader

plt.figure(figsize=(4, 4))

central_lon, central_lat = 0, 45
extent = [-10, 45, 35, 70]

ax = plt.axes(projection=cartopy.crs.Orthographic(central_lon, central_lat))
ax.set_extent(extent)
ax.gridlines()
ax.add_feature(cartopy.feature.BORDERS, linestyle=':', alpha=1)
ax.add_feature(cartopy.feature.OCEAN,facecolor=("lightblue"))
ax.add_feature(cartopy.feature.LAND)
ax.coastlines(resolution='10m')

plt.show()

Answer 1

此解决方案基于您发布的代码示例，并大量使用 this answer

import matplotlib.pyplot as plt
import matplotlib
import cartopy
from cartopy.io import shapereader
import cartopy.crs as ccrs
import geopandas
import numpy as np

# get natural earth data (http://www.naturalearthdata.com/)

# get country borders
resolution = '10m'
category = 'cultural'
name = 'admin_0_countries'
shpfilename = shapereader.natural_earth(resolution, category, name)

# read the shapefile using geopandas
df = geopandas.read_file(shpfilename)


# Set up the canvas
fig = plt.figure(figsize=(8, 8))
central_lon, central_lat = 0, 45
extent = [-10, 45, 35, 70]
ax = plt.axes(projection=cartopy.crs.Orthographic(central_lon, central_lat))
ax.set_extent(extent)
ax.gridlines()

# Add natural earth features and borders
ax.add_feature(cartopy.feature.BORDERS, linestyle=':', alpha=1)
ax.add_feature(cartopy.feature.OCEAN, facecolor=("lightblue"))
ax.add_feature(cartopy.feature.LAND)
ax.coastlines(resolution='10m')

# Insert your lists of countries and lag times here
countries = ['Germany', 'France', 'Italy', 'Spain', 'Ukraine']
lags = [-20,-5, 15, 0, 2]

# Normalise the lag times to between 0 and 1 to extract the colour
lags_norm = (lags-np.nanmin(lags))/(np.nanmax(lags) - np.nanmin(lags))

# Choose your colourmap here
cmap = matplotlib.cm.get_cmap('viridis')


for country, lag_norm in zip(countries, lags_norm):
    # read the borders of the country in this loop
    poly = df.loc[df['ADMIN'] == country]['geometry'].values[0]
    # get the color for this country
    rgba = cmap(lag_norm)
    # plot the country on a map
    ax.add_geometries(poly, crs=ccrs.PlateCarree(), facecolor=rgba, edgecolor='none', zorder=1)

# Add a scatter plot of the original data so the colorbar has the correct numbers. Hacky but it works
dummy_scat = ax.scatter(lags, lags, c=lags, cmap=cmap, zorder=0)
fig.colorbar(mappable=dummy_scat, label='Time lag of phenomenon', orientation='horizontal', shrink=0.8)

结果：

Map of Europe with France, Germany and Italy coloured

至于可见光谱的着色，除非你有充分的理由这样做，否则我强烈劝阻你不要这样做。相反，我使用了 matplotlib 的inbuilt perceptually uniform colourmaps 之一。如果 viridis 不适合您的需求，您可以使用许多其他颜色图。这些感知上一致的颜色图更可取，因为它们不会扭曲您的数据。如需更多信息，请查看this page 或this more in depth discussion，或搜索关于感知统一颜色图的信息。观看您作品的人（尤其是那些有色觉缺陷的人）会感谢您。