在python3中绘制散点图，其中x轴是以km为单位的纬度/经度，y轴是深度

Question

我正在尝试找到绘制一些数据的最佳方法。基本上我有一个数据文件，其中包含纬度、经度、深度、sample_ID、Group_ID 列。我想生成一个二维散点图，其中 y 是深度，x 是从北到南的距离（以公里为单位）（或计算相对于在指定方向采样的第一个站的横断面距离），类似于 ODV 样式地图，如下一个：

更新

我想在我最初的问题中添加更多信息。经过更多的搜索和测试，我在 R 中找到了一个可能的解决方案，使用 geosphere 包和 distGEO 函数将我的坐标转换为以公里为单位的距离，然后可以映射。 (https://www.rdocumentation.org/packages/geosphere/versions/1.5-10/topics/distGeo)

如果有人知道 python 方法来做到这一点，那就太好了！

更新

ODV 不允许我进行我需要的自定义。我想生成这样的图，我可以在其中指定元数据变量来为点着色。在下面的文件示例中看到的我的数据文件中的 group_ID 列更具体。

Latitude    Longitude   Depth_m Sample_ID   Group_ID
49.7225 -42.4467    10  S1  1
49.7225 -42.4467    50  S2  1
49.7225 -42.4467    75  S3  1
49.7225 -42.4467    101 S4  1
49.7225 -42.4467    152 S5  1
49.7225 -42.4467    199 S6  1
46.312  -39.658 10  S7  2
46.312  -39.658 49  S8  2
46.312  -39.658 73  S9  2
46.312  -39.658 100 S10 2
46.312  -39.658 153 S11 2
46.312  -39.658 198 S12 2

不过，试图弄清楚它给我带来了很多麻烦。我已经使用haversine计算计算了坐标之间的距离，但是一旦我到达那里，我不知道如何使用这些距离来合并到散点图中。这是我目前所拥有的：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
#import haversine as hs
from math import radians
from sklearn.neighbors import DistanceMetric
df=pd.read_csv("locations.csv",sep="\t",index_col="Sample_ID")
#plt.scatter(df['Latitude'], df['Depth_m'])
#plt.show()
df['Latitude'] = np.radians(df['Latitude'])
df['Longitude'] = np.radians(df['Longitude'])
dist = DistanceMetric.get_metric('haversine')
x = dist.pairwise(np.unique(df[['Latitude','Longitude']].to_numpy(),axis=0))*6373
print(x)

这段代码为我的坐标提供了一个距离矩阵，但老实说，我无法弄清楚如何将其拉入散点图，将 x 轴设置为从北到南。特别是因为必须考虑具有相同坐标的多个深度。非常感谢任何帮助绘图！

Answer 1

对于距离计算，您可以使用 geopy 包，特别是 geopy.distance.geodesic()，通过假设特定椭球来计算沿弧的距离（例如 WGS84）。

要生成类似于您所描述的绘图，您可以使用 ma​​tplotlib 库的散点图功能，特别是 ma​​tplotlib.pyplot.scatter()。

下面的代码示例将引导您完成距离计算（从某个参考纬度/经度到另一个纬度/经度的距离......这不一定是 N-S 分量，但它很容易计算）。以及如何使用您的 Group_ID 字段生成散点图以使用两种方法为点着色。

import matplotlib.pyplot as plt
import geopy
import pandas as pd

# Load your sample data to a Pandas DataFrame where each column corresponds to
# 'Latitude', 'Longitude', 'Depth_m', 'Sample_ID', 'Group_ID'
datafile = r'<path to a file containing your data>'
df = pd.read_csv(datafile)

# Defining one end of our arc to calculate distance along (arbitrarily taking 
# the first point in the example data as the reference point).
ref_point = (df['Latitude'].iloc[0], df['Longitude'].iloc[0])

#  Loop over each sample location calculating the distance along the arc using
#  pygeo.distance.geodesic function.
dist = []
for i in range(len(df)):
    cur_point = (df['Latitude'].iloc[i], df['Longitude'].iloc[i])
    cur_geodesic = geopy.distance.geodesic(ref_point, cur_point)
    cur_dist = cur_geodesic.km
    dist.append(cur_dist)

# Add computed distances to the df DataFrame as column 'Distance_km'
df['Distance_km'] = dist

# Create a matplotlib figure and add two axes for plotting
fig = plt.figure()
ax1 = fig.add_subplot(211)
ax2 = fig.add_subplot(212)

# Example 1: of creating a scatter plot using the calculated distance field and
# colouring the points using a numeric field (i.e. Group_ID in this case is numeric)
pts = ax1.scatter(df['Distance_km'], df['Depth_m'], s=30, c=df['Group_ID'], cmap=plt.cm.jet)
plt.colorbar(pts, ax=ax1)

ax1.set_xlabel('Arc Distance from Reference Point (km)')
ax1.set_ylabel('Depth (m)')
ax1.set_title('Colouring Points by a Numeric Field')
ax1.invert_yaxis()
ax1.grid(True)

# Example of creating basically the same scatter plot as above but handling the
# case of non-numeric values in the field to be used for colour (e.g. imagine 
# wanting to the the Sample_ID field instead)
groups = list(set(df['Group_ID'])) # get a list of the unique Group_ID values
for gid in groups:
    df_tmp = df[df['Group_ID'] == gid]
    ax2.scatter(df_tmp['Distance_km'], df_tmp['Depth_m'], s=30, label=gid)
    
ax2.legend(loc='upper center', title='Legend')
ax2.set_xlabel('Arc Distance from Reference Point (km)')
ax2.set_ylabel('Depth (m)')
ax2.set_title('Colouring Points with Using Categorical Values')
ax2.invert_yaxis()
ax2.grid(True)

fig.tight_layout()
plt.show()

然后输出图...

Answer 2

我不确定你想用距离做什么，但从概念上讲，你需要像我所做的那样将你的 x 输出作为一个新列作为一个新列。就组的不同颜色而言，我会使用 @ 987654324@ 因为他们有一个 hue 参数。请参阅下面的第一个散点图的输出，并尝试使用第二个散点图进行操作：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
from math import radians
from sklearn.neighbors import DistanceMetric
import seaborn as sns
fig, ax = plt.subplots(nrows=2)
sns.scatterplot(data=df, x='Latitude', y='Depth_m', hue='Group_ID', ax=ax[0])
df['Latitude'] = np.radians(df['Latitude'])
df['Longitude'] = np.radians(df['Longitude'])
dist = DistanceMetric.get_metric('haversine')
df['Distance'] = (dist.pairwise(df[['Latitude','Longitude']].to_numpy())*6373)[0]
sns.scatterplot(data=df, x='Distance' , y='Depth_m', hue='Group_ID', ax=ax[1])
plt.show()