matplotlib箭袋画风速风向-轻识

作者：大雯子拖油瓶

来源：SegmentFault 思否社区

颤抖几个参数的理解

颤抖（[X，Y]，U，V，[C]，** kw），其中kw可以选择的参数有：

units：默认值是width, width/heigth:箭头的宽度是x或者y轴的总长，没错，是总长; dots/inches：箭头的宽度是设置的dpi或者设置的英寸大小,这个影响了width参数，比如说画布大小设为plt.figure(figsize=(144, 72), dpi=10)，这个画布占1440*720px,如果quiver设置units="dots",width=5，代表以10像素为基础单位，5倍的宽度也就是画一个箭头它的宽度占50px,那么数据就需要抽样画了，不然会糊在一起；

x/y/xy：以x,y,或者xy的平方根为基础的宽度，如果x轴或者y轴坐标设置步长为1，和画布像素大小一致，这样一个像素对应一个x的整数坐标值，那么就可以控制箭头杆的宽度了，箭头杆的基础长度就是根号2px；

width:float型，用来控制箭头杆的宽度，我只清楚units=dots时宽度的理解，但是对于units=x/y/xy时宽度到底指的是我暂时是按照上面的理解；

angle:uv/xy，uv箭头的纵横比（axis aspect ratio）为1，所以若U==V，则绘图上箭头的方向与水平轴逆时针呈45度（正向右）;xy箭头从（x，y）指向（x + u，y + v）,例如，使用它来绘制渐变场(gradient field)

headwidth：float型，默认3，用来控制箭头三角形底边的半宽，值指的是杆宽的倍数；

headlength：float型，默认5，用来控制箭头斜边的长度，值指的是杆宽的倍数，比如4.5指的是杆宽的4.5倍；

scale:float型,默认为None,用来控制杆身的长度，值越小，杆身越长,如果为None,则使用matplotlib自动缩放算法，箭头长度单scale_units参数指定

scale_units：如果该值设置为width/heigth,则scale应该设为0.000x的范围差不多才是想要的结果，如果设置为inches,则和你的dpi以及scale相关，对于plt.figure(figsize=(144, 72)，dpi=10) scale=1,scale_units="inches"和scale=0.1,scale_units="x/xy/不写"的画出来的结果是一样的；

pivot：tail/mid/middle/tip，默认tail,指的是箭头中心，其实就是从哪里画

样例图

全部代码参考


# _*_coding:utf-8_*_import matplotlib.pyplot as pltfrom PIL import Imageimport numpy as npimport osimport sysimport jsonimport h5py
FILLVALUE = -32767
def assigncolor(tardataset, mask, colorbar):    if tardataset[mask].size > 0:        if len(colorbar) >= 4:            tardataset[mask] = colorbar        else:            tardataset[mask] = [colorbar[0], colorbar[1], colorbar[2], 255]    return tardataset[mask]

def single_drawer(dataset, colorbar, tardataset):    #特殊值的处理    nullmask = np.isnan(dataset[:]) | np.isinf(dataset)    tardataset[nullmask] = [255, 255, 255, 0]    for index in range(0, len(colorbar)):        # 获取需要进行判断的值        valuemask = tardataset[:, :] == [-1, -1, -1, -1]        # 三维转二维，方便与dataset的mask合并        valuemask = valuemask[:, :, 0]        mask = dataset == colorbar[index][0]        tardataset[valuemask & mask] = assigncolor(tardataset, valuemask & mask, colorbar[index][1])    return tardataset

def gradient_drawer(dataset, colorbar, tardataset):    # 特殊值的处理    nullmask = np.isnan(dataset[:]) | np.isinf(dataset)    tardataset[nullmask] = [255, 255, 255, 0]    # 小于最小值    valuemask = tardataset[:, :] == [-1, -1, -1, -1]    valuemask = valuemask[:, :, 0]    mask = dataset <= colorbar[0][0]    tardataset[valuemask & mask] = assigncolor(tardataset, valuemask & mask, colorbar[0][1])    for index in range(0, len(colorbar) - 1):        # 获取需要进行判断的值        valuemask = tardataset[:, :] == [-1, -1, -1, -1]        if index == 18:            print(valuemask.shape)        valuemask = valuemask[:, :, 0]        mask = (dataset > colorbar[index][0]) & (dataset <= colorbar[index + 1][0])        tempmask = valuemask & mask        if tempmask[tempmask == True].size > 0:            ratio = (1.0 * (dataset[valuemask & mask] - colorbar[index][0]) / (colorbar[index + 1][0] - colorbar[index][0])).reshape(-1, 1)            colorrange = (np.array(colorbar[index + 1][1] - np.array(colorbar[index][1]))).reshape(1, -1)            temp = np.dot(ratio, colorrange) + np.array(colorbar[index][1])            if len(colorbar[index][1]) < 4:                alphaband = np.ones((temp.shape[0], 1))                alphaband[::] = 255                temp = np.column_stack((temp, alphaband))            tardataset[valuemask & mask] = temp    # 大于最大值    valuemask = tardataset[:, :] == [-1, -1, -1, -1]    valuemask = valuemask[:, :, 0]    mask = dataset > colorbar[-1][0]    tardataset[valuemask & mask] = assigncolor(tardataset, valuemask & mask, colorbar[-1][1])    return tardataset

def drawWindDir(in_file, u_ds, v_ds, dir_file, cb_file):    # 读取调色板    gradient_cb = []    single_cb = []    with open(cb_file, "r") as cb_json:        cb_data = json.load(cb_json)        gradient_cb = cb_data["gradient"]        single_cb = cb_data["single"]
    # 读取风速    h5py_obj = h5py.File(in_file, 'r')    u_data = np.array(h5py_obj[u_ds])    v_data = np.array(h5py_obj[v_ds])    sws_data = np.array(h5py_obj["SWS"])
    # 获取宽高    uh, uw = np.shape(u_data)    vh, vw = np.shape(v_data)
    # 上下翻转数据    u = np.flip(u_data, 0)    v = np.flip(v_data, 0)
    # 读取风速有效值范围    sws_valid = h5py_obj["SWS"].attrs['valid range']
    # 用风速有效值控制无效值区域提取    valid_mask = (sws_data >= sws_valid[0]) & (sws_data <= sws_valid[1])
    # 用u,v向量计算风速    wp = np.empty((uh, uw), dtype=np.float)    wp[:, :] = FILLVALUE    wp[valid_mask] = np.sqrt(np.power(u[valid_mask] / 100.0, 2) + np.power(v[valid_mask] / 100.0, 2))
    # 初始化输出数据集    tardataset = np.ones((uh, uw, 4), dtype=np.int)    tardataset[::] = -1
    # 去掉single调色板的值    tardataset = single_drawer(sws_data, single_cb, tardataset)
    # 根据gradient调色板重新赋值    result_data = gradient_drawer(sws_data, gradient_cb, tardataset)
    # 输出风速的底图    new_image = Image.fromarray(result_data.astype(np.uint8)).convert('RGBA')    new_image.save(in_file.replace(".HDF", ".png"), 'png')
    # 风向的xy坐标,uv向量,1440,720，去除无效值    u_valid = valid_mask    X, Y = np.meshgrid(np.arange(0, uw, 1), np.flipud(np.arange(0, uh, 1)))
    U = u.astype(np.int64)    V = v.astype(np.int64)    newU = np.zeros((uh, uw))    newV = np.zeros((uh, uw))    newU[u_valid] = U[u_valid] / np.sqrt(np.power(U[u_valid], 2) + np.power(V[u_valid], 2))    newV[u_valid] = V[u_valid] / np.sqrt(np.power(U[u_valid], 2) + np.power(V[u_valid], 2))
    # 无效值为nan    newU[newU == 0] = np.nan    newV[newV == 0] = np.nan
    # 创建画布    fig1 = plt.figure(figsize=(uw, uh), dpi=1)    ax1 = fig1.add_subplot(111)
    # 去掉坐标轴，去掉两边空白,控制输出的xy轴范围    plt.axis('off')    plt.subplots_adjust(top=1, bottom=0, left=0, right=1, hspace=0, wspace=0)    plt.ylim(0, uh)    plt.xlim(0, uw)
    # 栅格抽样    i = 10    Q = ax1.quiver(X[::i, ::i], Y[::i, ::i], newU[::i, ::i], newV[::i, ::i], scale=0.1, width=1, units="xy", angles='uv', headwidth=3.5, headlength=4, pivot="mid")    ax1.scatter(X[::i, ::i], Y[::i, ::i], color='r', s=30)    plt.show()
    fig1.savefig(dir_file, transparent=True)    plt.close()
def mergeDirSpd(spd_img, dir_img, out_img):    backimage = Image.open(spd_img)    frontimage = Image.open(dir_img)    # 暂时没有考虑分辨率不一致情况    outimage = Image.alpha_composite(backimage, frontimage)    outimage.save(out_img)

if __name__ == "__main__":    in_path = sys.argv[1]    ds = sys.argv[2]    cb_file = sys.argv[3]
    if os.path.isdir(in_path):        for w_root, w_dirs, dir_files in os.walk(in_path):            for one_file in dir_files:                if '.HDF' in one_file and "SWS" in one_file:                    in_file = os.path.join(w_root, one_file)                    spd_img = in_file.replace(".HDF", ".png")                    dir_img = in_file.replace(".HDF", "_dir.png")                    out_img = in_file.replace(".HDF", "_dp.png")                    u_ds = "wind_vel_u"                    v_ds = "wind_vel_v"                    drawWindDir(in_file, u_ds, v_ds, dir_img, cb_file)                    mergeDirSpd(spd_img, dir_img, out_img)    elif os.path.isfile(in_path):        in_file = in_path        spd_img = in_file.replace(".HDF", ".png")        dir_img = in_file.replace(".HDF", "_dir.png")        out_img = in_file.replace(".HDF", "_dp.png")        u_ds = "dwind_vel_u"        v_ds = "wind_vel_v"        drawWindDir(in_file, u_ds, v_ds, dir_img, cb_file)        mergeDirSpd(spd_img, dir_img, out_img)

点击左下角阅读原文，到 SegmentFault 思否社区 和文章作者展开更多互动和交流。

- END -