当前位置：首页 > news >正文

Cartopy模块快速入门：从安装到地图绘制实战

news 2026/6/8 23:21:45

1. 为什么选择Cartopy绘制地图？

第一次接触地理数据可视化时，我尝试过Basemap、GeoPandas等多种工具，最终发现Cartopy才是Python3时代的地图绘制利器。这个由英国气象局开发的库，完美继承了Matplotlib的绘图基因，又融合了专业的地理空间处理能力。最让我惊喜的是，它用几行代码就能生成出版级地图，连经纬度网格、海岸线标注这些繁琐细节都自动搞定。

相比Basemap，Cartopy有三大优势：首先是原生支持Python3，不用担心环境兼容问题；其次是依赖现代地理库（比如PROJ.4和Shapely），投影转换精度更高；最重要的是API设计非常人性化，我教过的编程新手基本30分钟就能画出第一张地图。去年处理台风轨迹数据时，Cartopy的等距投影功能帮我省去了大量手动计算坐标的时间。

提示：如果你正在学习气象、地理或环境科学，Cartopy绝对是数据可视化的必修课。它的地图基底功能可以让你专注在数据分析上，而不是反复调试绘图参数。

2. 零基础安装指南

2.1 两种安装方案对比

我强烈推荐通过Anaconda安装，特别是Windows用户。去年帮学弟调试环境时发现，用pip直接安装经常卡在PROJ.4的编译环节。而conda-forge渠道预编译了所有依赖项，实测在macOS/Windows/Linux都能一键搞定：

conda install -c conda-forge cartopy

如果坚持用pip，需要先确保系统有GEOS和PROJ.4开发库。以Ubuntu为例，这些依赖项要提前装好：

sudo apt-get install libgeos-dev proj-bin libproj-dev pip install cartopy

2.2 验证安装是否成功

打开Python终端运行这个测试脚本，如果看到带海岸线的地图窗口弹出，说明一切就绪：

import matplotlib.pyplot as plt import cartopy.crs as ccrs fig = plt.figure(figsize=(10,5)) ax = fig.add_subplot(111, projection=ccrs.PlateCarree()) ax.coastlines() plt.show()

常见踩坑点：有些同学反馈导入时报错"PROJ: proj_create_from_database"，这通常是PROJ库路径问题。可以尝试设置环境变量：

export PROJ_LIB=/path/to/anaconda3/share/proj

3. 绘制你的第一张专业地图

3.1 核心四步法

以绘制中国区域降水分布图为例，Cartopy的工作流非常清晰：

选择投影方式：PlateCarree是最常用的等经纬度投影
创建画布和坐标系：注意projection参数要前后一致
添加地理要素：海岸线、国界线、网格线等
叠加数据图层：用pcolormesh或contourf绘制气象数据

import numpy as np import cartopy.feature as cfeature # 生成模拟数据 lons = np.linspace(75, 135, 100) lats = np.linspace(15, 55, 100) data = np.random.rand(100, 100) * 50 # 绘制地图 proj = ccrs.PlateCarree() fig = plt.figure(figsize=(12,8)) ax = fig.add_subplot(111, projection=proj) # 添加地理要素 ax.add_feature(cfeature.COASTLINE.with_scale('50m')) ax.add_feature(cfeature.BORDERS, linestyle=':') ax.gridlines(draw_labels=True) # 绘制数据 contour = ax.contourf(lons, lats, data, transform=proj) plt.colorbar(contour, label='降水量 (mm)')

3.2 进阶技巧：自定义区域和样式

想让地图更专业？这几个参数我每次必调：

set_extent：聚焦到特定区域，比如ax.set_extent([100, 125, 20, 45])锁定中国东部
add_feature：添加河流、湖泊等自然要素，分辨率可选'10m'/'50m'/'110m'
stock_img：加载NASA的蓝色大理石底图ax.stock_img()

最近给研究所做报告时，发现这个样式组合既美观又专业：

plt.style.use('seaborn') # 设置全局样式 ax.add_feature(cfeature.LAND.with_scale('50m'), facecolor='#f0f0e0') ax.add_feature(cfeature.OCEAN.with_scale('50m'), facecolor='#a0c8f0') ax.add_feature(cfeature.LAKES.with_scale('50m'), alpha=0.5)

4. 常见问题解决方案

4.1 中文显示乱码问题

这是Matplotlib的老难题了，Cartopy继承了这个痛点。我的终级解决方案是：

plt.rcParams['font.sans-serif'] = ['SimHei'] # Windows plt.rcParams['axes.unicode_minus'] = False

如果是Linux/macOS系统，需要先下载中文字体（如文泉驿），然后指定字体路径：

import matplotlib.font_manager as fm font_path = '/usr/share/fonts/wenquanyi.ttf' prop = fm.FontProperties(fname=font_path) ax.set_title('中国区域地图', fontproperties=prop)

4.2 矢量数据叠加技巧

当需要在地图上叠加散点或箭头时，务必设置transform参数。去年分析台风路径时就栽过跟头：

# 正确做法：声明数据坐标系统 ax.scatter(lons, lats, color='red', transform=ccrs.PlateCarree()) # 错误做法：会导致数据错位 ax.scatter(lons, lats, color='red')

对于Shapefile文件，推荐使用cartopy.io.shapereader：

from cartopy.io import shapereader shp_path = shapereader.natural_earth(resolution='10m', category='cultural', name='admin_0_countries') reader = shapereader.Reader(shp_path) countries = reader.records() for country in countries: if country.attributes['NAME'] == 'China': ax.add_geometries(country.geometry, ccrs.PlateCarree(), facecolor='none', edgecolor='black')

查看全文

http://www.jsqmd.com/news/627230/