【更新于公众号 | 简谱学记】

写开题报告， 想用个图发现截出来全是糊的。索性自己画了，主要实现的Matsuno（1966）的赤道波动频散关系图。但是，实在是没有审美，其他文献里都是黑色，这里非要用个紫色，因为紫色更有韵味。之前想过把所有画过的图的代码都整理一遍，想想工作量还是懒了。索性，从现在开始，再画过的图都放到一个jupyter文件里好了。

简单记录一下之前想画的一个图：整体比较简单，两个子图，本质上就是一个带有投影，一个不带投影，通常用在EOF的空间模态和时间序列的绘制中，可以看看之前的几个详细的画法。Python | El Nino | EOF | SeasonalPython | SLP | EOF | 去除季节趋势Python | NCL风格 | EOF | 相关 | 回归本次绘图所用的数据是1997-1999年的kelvin波，绘图的思路如下：相关数据和脚本已上传至github，有兴趣可以试试。

记录一下之前为了做PPT汇报画的一张图，虽然最后也没怎么用上。为了方面以后再需要，这里把代码和数据整理放到GitHub上。

记录一下kelvin波的超前滞后合成图主要通过kelvin波数据以及原始降水异常数据，选择同一个纬度点，比如说赤道上；然后选择一个超前滞后的时间，这里选择为10day最后得到的数组是一个leadtimexlon的数组，下面绘图就简单了。

今天绘图时遇到个问题，发现使用python绘图中使用了透明度参数alpha时，如果你要保存的图片格式为矢量图eps。初步试了一下，有点效果，但是对于多种透明度颜色时还是有较大限制的。而且，会导致保存出的图片占用较大空间。其他方法就简单了，先转换为其他格式，比如说pdf，再使用工具转换为eps格式。转换的方法的效果较好，能压缩图片的占用空间，画质还没有太大损害。或者，直接保存为png，再从ai里面另存为eps格式。相关问题也早有人提出，并给出了可能的解决方案.如果是png或者pdf格式是没有问题的。

这里对编译好的数据进行测试，新建一个文件夹，选择一个任意的tiff文件，调用相关命令。使脚本生效，再次编译，显示成功，这里有个警告但是不影响后续使用。这里我这里出现报错了，所以分开来debug，首先。所以，这里找到生成的Makefile文件，通常，会指定编译器和链接器的选项，你可以在其中找到。这个文件，这里通过locate命令进行查找，，在这里，原本的我的LIBS后面为。测试程序，是可以正常有提示信息的。然后，就发现编译好了，存在了。所以这里需要在环境配置脚本。注意，这里需要管理员权限。

经常需要在一张图片上，同时绘制两个子图，一个是带有投影的空间分布图，另一个为不带投影的曲线图。比如说EOF的空间模态以及PC序列。在python中，如果在一张画布上同时绘制以上两个图，通常会使得两张图片的长宽比非常的不协调。虽然可以通过手动设置子图的大小来调整，但是如果画布的大小改变，则又需要进行细调，感觉非常笨重麻烦。今天在读文献的时候，又看到这种配置的图片，索性花时间来实现让其聪明的解决。

设置第一个颜色为白色设置中间的颜色为白色以上函数适用于设置的colorbar的颜色数量为偶数的设置情况，常用于以0为中心的正负对称colormap以及希望设置第一个颜色为白色的colormap的情况。

简单记录一下绘制kelvin波频散曲线

使用python基于seaborn绘制好看的热力图heatmap。。最无脑的操作就是将数据处理为的格式，这一点在xarray读取的nc中很方便。可以借助这个函数以下使用的测试数据是noaa的sst-anomaly的月平均数据，简单将其处理为二维数组，这里简单将其处理为-20°S-20°N，120°E-180°E区域平均内2000-2019年共20年的数据，同时为了满足为二维矩阵，将其按年份和月份分组，并计算每个月的平均值。然后调用进行绘图,以下是绘图结果。

又处理了两周的cmip6数据，真的是daily的资料属实恶心人┗|｀O′|┛ 嗷~~。白天下数据，晚上运行插值脚本。第二天再下数据，再运行插值脚本。两周时间我觉得我的shell编程又进步明显。批量处理数据这一块不能说相当拿手，但是十分熟练了。峰回路转，抽空整理并复习了一下netcdf官网关于basemap绘制空间分布图的几种类型，为后续绘图做准备，发现basemap画图有他好用的道理，确实相比cartopy要方便不少。同时发现了两个有意思的库，geoviews以及holoviews。

通常， 我们处理的毕竟完善的nc产品，一般呈现未的维度，且lon和lat都是规则的网格，我们可以方便的使用选择合适的区域进行切片。但是，部分nc产品比如卫星轨道或者模式输出的数据，可能并没有处理为规则的网格产品，其经纬度信息以x和y表示了分辨率对应的网格格点数量。如下面这种情况：那么，在这种分布下，如何进行区域的切片呢。在python中实现对于x-y网格的区域截取，相关数据和代码放到了GitHub上，感兴趣的朋友可以试试。

台风天，适合敲代码。前两天正好看到一个有意思的核密度图，使用的是seaborn绘制的。之前了解过这个包，但是一致没有去绘制相关的图，这次正好去学习一下相关的函数。绘制结果如下所示：主要两个有意思的地方在一张图上同时绘制两次填色图，一个有意思的实现在核密度填色图的两侧分别绘制数量占比的柱形图。

最近，开始对于CMIP6的一些数据进行评估。Talor图是一个很好展现模式间误差的方式，这里简单记录一下在python中的实现方式。

最近，开始对于CMIP6的一些数据进行评估。Talor图是一个很好展现模式间误差的方式，这里简单记录一下在python中的实现方式。主要为半图的画法效果大致下面这个样子这边在原本代码基础上，主要是设置了三个坐标label的颜色以及内部网格线的颜色的区别。

当涉及到绘制空间分布图时，有一些常见的绘图美化技巧可以让你的图表看起来更加专业和吸引人。：通过添加经纬度刻度之间的小刻度线，可以使得地图上的刻度更加清晰和易于阅读。这可以通过使用Cartopy库中的gridlines()函数来实现，设置draw_labels=False并调整linewidth参数来控制小刻度线的宽度。：当绘制多个子图时，尤其是它们共享相同的数据范围时，共享一个colorbar可以使得图表更加一致和易于比较。

想象一下，在为你的论文figure挑选颜色，就像是在为自己挑选一套时尚的衣服一样。你需要的是一种让人眼前一亮、让信息一目了然的色彩搭配，而不是一团糟糕的颜色混搭。在网页的左侧包含多个配色方案，色彩流行趋势及预测，不同国家的标准色卡等等。这里给一个在python中使用的示例，该方法适用以上三个网址中获取的颜色。当然，它还提供了自定义的调色功能，并将其实时显示，这也是我最爱的功能。一个精简的colormap调色网页。

Python | 月平均气候态 | SST

厄尔尼诺1 + 2区域是Niño海表温度区域中最小和最东部的区域，与南美洲沿海地区相对应，在那里El Niño,首先被当地居民识别发现。这个区域曾经是监测和预测El Niño现象的主要焦点，但是研究人员后来了解到，ENSO 海洋-大气耦合相互作用的关键区域位于更西部(Trenberth，1997)。事件的独特性，Trenberth 和 Stepaniak (2001)认为，应该将厄尔尼诺3.4指数与他们引入的一个指数结合使用，这个指数被称为跨尼诺指数(通常，异常是相对于30年的周期来计算的。

在地图绘制领域，非规则投影的示例相对较少，通过几个python的示例可以更好地理解如何在不同投影类型和边界形状下绘制地图。以下提供了一系列示例，演示了如何在地图中添加非规则边界和边框。这些示例涵盖了不同的投影类型和边界形状，包括近景透视投影、兰伯特等角投影、正交投影和等经纬度投影。

如下图所示，图为NCL官网实力的等值线绘图。可以观察到，图中每条等值线都带有一个白色的矩形边框，使其在黑色的等值线更加清晰明了，更具有可读性。但是，目前我还是用python比较多，希望在python中实现同样的效果。不行，再去考虑学习一下NCL进行绘图。

Linux --绘制地图投影出现报错：无法成功下载地图背景数据

基于python，绘制一个2x2的子图范围，但是只显示3个子图，并使得第三个子图居中显示

ha表示水平的位置，va表示垂直的位置，设置完的结果如下下图所示：相比之下，看起来更舒服一点。这里需要注意的是，在设置标签时，需要提前将ticks设置好，再进行居中。理论上是可以直接读取绘图时设置的levels进行设置的，但是没有仔细研究方法。

python--读取TRMM-3B43月平均降水绘制气候态空间分布图（陆地区域做掩膜）

python -- 海洋气象科研论文中常用绘图配色汇总

python绘图——在等间距投影线绘制台风标志符号

python 绘图时出现报错：A colormap named "BlueWhiteOrangeRed" is already registered.

python 在子图上绘制四象限，并叠加散点

python --生成时间序列，作为横轴的标签。时间跨越2008-2022年，生成每年的6-10月的第一天作为时间序列

python 绘制bar图 ---- 从顶部向底部显示

python 如何在极地投影下，添加扇形框

python 实现colorbar的不规则等间距显示

python - 文献图片复现

大部分文献中colorbar的色标都是如下图所示：以80~100表示这个范围内数据为最显著的红色，其他范围内的各个色域类似那么，如果我希望将最右边最红的区域定义为一个字幕，并使这个字母出现在红色的正下方，该如何实现呢？本质上其实通过定义标签的范围来实现，观察可以发现，如果将100显示为红色的正下方，其实就是在第90的位置，将label设置为100.描述的有点抽象，这里直接放上结果：附上全部代码：

如何使用python+windows画图工具复现别人论文中的colormap

【图+代码】python--海温、OLR数据分布做显著性检验，绘制空间分布并打点。

使用python，基于cnmaps简单快速的绘制省界地图

读取WRF风速资料U、V，以及辐射（辐射包括三部分）将读取的资料进行绘图，并将绘图后的结果自动 保存到指定路径下，方面后续绘制动图。

使用python对站点数据进行EOF处理，并使用两种插值方法到规则网格上。