如何为底图多边形使用设置剪切路径

Question

我想使用 imshow（例如）在一个国家的边界​​内显示一些数据（出于示例的目的，我选择了美国）下面的简单示例说明了我想要的：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.patches import RegularPolygon

data = np.arange(100).reshape(10, 10)
fig = plt.figure()
ax = fig.add_subplot(111)
im = ax.imshow(data)
poly = RegularPolygon([ 0.5,  0.5], 6, 0.4, fc='none', 
                      ec='k', transform=ax.transAxes)
im.set_clip_path(poly)
ax.add_patch(poly)
ax.axis('off')
plt.show()

结果是：

现在我想这样做，但我想使用美国的复杂形状，而不是简单的多边形。我创建了一些包含在“Z”数组中的示例数据，如下面的代码所示。我想使用颜色图显示这些数据，但仅限于美国大陆边界内。

到目前为止，我已经尝试了以下方法。我从 here 获得了一个包含在“nationp010g.shp.tar.gz”中的形状文件，我使用 python 中的 Basemap 模块来绘制美国。请注意，这是我发现的唯一一种方法，它使我能够获得所需区域的多边形。如果有其他方法，我也会对它们感兴趣。然后我创建了一个名为“mainpoly”的多边形，它几乎就是我想要用蓝色着色的多边形：

注意只有一个物体被着色，所有其他不相交的多边形保持白色：

所以蓝色的区域几乎是我想要的，请注意加拿大附近有不需要的边界线，因为边界实际上穿过一些湖泊，但这是一个小问题。真正的问题是，为什么我的 imshow 数据不显示在美国境内？比较我的第一个和第二个示例代码，我不明白为什么我在第二个示例中没有像第一个示例那样得到剪辑的 imshow。理解我所缺少的任何帮助将不胜感激。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.basemap import Basemap as Basemap
from matplotlib.patches import Polygon

# Lambert Conformal map of lower 48 states.
m = Basemap(llcrnrlon=-119,llcrnrlat=22,urcrnrlon=-64,urcrnrlat=49,
            projection='lcc',lat_1=33,lat_2=45,lon_0=-95)


shp_info = m.readshapefile('nationp010g/nationp010g', 'borders', drawbounds=True) # draw     country boundaries.

for nshape,seg in enumerate(m.borders):
    if nshape == 1873: #This nshape denotes the large continental body of the USA, which we want
        mainseg = seg
        mainpoly =  Polygon(mainseg,facecolor='blue',edgecolor='k')



nx, ny = 10, 10
lons, lats = m.makegrid(nx, ny) # get lat/lons of ny by nx evenly space grid.
x, y = m(lons, lats) # compute map proj coordinates.

Z = np.zeros((nx,ny))
Z[:] = np.NAN

for i in np.arange(len(x)):
    for j in np.arange(len(y)):
        Z[i,j] = x[0,i] 

ax = plt.gca()
im = ax.imshow(Z, cmap = plt.get_cmap('coolwarm') )
im.set_clip_path(mainpoly)
ax.add_patch(mainpoly)
plt.show()

更新

我意识到这条线

ax.add_patch(mainpoly)

甚至不将多边形形状添加到绘图中。我没有正确使用它吗？据我所知，mainpoly 是使用 Polygon() 方法正确计算的。我检查了坐标输入是否合理：

plt.plot(mainseg[:,0], mainseg[:,1] ,'.') 

这给了

Answer 1

这个问题我也考虑了很久。
而且我发现 NCL 语言具有屏蔽某些边界之外的数据的功能。
这是一个例子：

http://i5.tietuku.com/bdb1a6c007b82645.png

contourf 图只显示在中国境内。点击here获取代码。

我知道 python 有一个名为 PyNCL 的包，它支持 Python 框架中的所有 NCL 代码。
但我真的很想用底图绘制这种图。如果你想通了，请在网上发帖。我会在第一时间学习。

谢谢！

添加 2016-01-16

在某种程度上，我已经想通了。
这是我的想法和代码，它的灵感来自我今天提出的这个问题。

我的方法：
1.将感兴趣区域（如美国）的shapefile制作成shapely.polygon。
2. 测试多边形内/外的每个值点。
3.如果值点在研究区域之外，将其屏蔽为np.nan

简介 * 多边形 xxx 是 ESRI shapefile 格式的中国城市。 * fiona，这里使用了匀称的包装。

# generate the shapely.polygon
shape = fiona.open("xxx.shp")
pol = shape.next()
geom = shape(pol['geometry'])
poly_data = pol["geometry"]["coordinates"][0]
poly = Polygon(poly_data)

显示如下：

http://i4.tietuku.com/2012307faec02634.png

### test the value point 
### generate the grid network which represented by the grid midpoints.
lon_med  = np.linspace((xi[0:2].mean()),(xi[-2:].mean()),len(x_grid))
lat_med  = np.linspace((yi[0:2].mean()),(yi[-2:].mean()),len(y_grid))

value_test_mean = dsu.mean(axis = 0)
value_mask =  np.zeros(len(lon_med)*len(lat_med)).reshape(len(lat_med),len(lon_med))
for i in range(0,len(lat_med),1):
    for j in range(0,len(lon_med),1):
        points = np.array([lon_med[j],lat_med[i]])
        mask = np.array([poly.contains(Point(points[0], points[1]))])
        if mask == False:
            value_mask[i,j] = np.nan
        if mask == True:
            value_mask[i,j] = value_test_mean[i,j]


# Mask the np.nan value 
Z_mask = np.ma.masked_where(np.isnan(so2_mask),so2_mask)

# plot!
fig=plt.figure(figsize=(6,4))
ax=plt.subplot()

map = Basemap(llcrnrlon=x_map1,llcrnrlat=y_map1,urcrnrlon=x_map2,urcrnrlat=y_map2)
map.drawparallels(np.arange(y_map1+0.1035,y_map2,0.2),labels=  [1,0,0,1],size=14,linewidth=0,color= '#FFFFFF')
lon_grid  = np.linspace(x_map1,x_map2,len(x_grid))
lat_grid  = np.linspace(y_map1,y_map2,len(y_grid))
xx,yy = np.meshgrid(lon_grid,lat_grid)
pcol =plt.pcolor(xx,yy,Z_mask,cmap = plt.cm.Spectral_r ,alpha =0.75,zorder =2)

结果

http://i4.tietuku.com/c6620c5b6730a5f0.png

http://i4.tietuku.com/a22ad484fee627b9.png

原始结果

http://i4.tietuku.com/011584fbc36222c9.png