imshow(conc[i,0], cmap='Spectral_r') 结果显示为: 可以发现,溶质绕过了低渗透区域。 6 完整代码 %matplotlib inline %config InlineBackend.figure_format = 'svg' import numpy as np import matplotlib.pyplot as plt import flopy config = { 'font.family':'Times New Roman', 'font.size': 15, ...
scatter = ax.scatter(x,y,marker='o',c=z,edgecolors='none',s=25,label='label' ,cmap='Spectral_r') cbar_ax = plt.gcf().add_axes([0.93, 0.15, 0.02, 0.7])#[left,bottom,width,height] position cbar = fig.colorbar(scatter, cax=cbar_ax, label='Probability density') ax.set_xlab...
cp=map_base.pcolormesh(X,Y, data=Density_re,cmap='Spectral_r') 最终的可视化效果如下: 从结果中我们可以看到,结果是规整的网格数据,没有根据目标区域(地图文件) 对结果进行裁剪,接下来我们将使用fiona、shapely包 实现对目标区域的裁剪操作。 fiona、shapely包实现目标区域裁剪操作 这里需要用到shapely....
CS = ax.contour(xi, yi, zi, levels=10, linewidths=0.5, colors='k') cntr = ax.contourf(xi, yi, zi, levels=10, cmap="Spectral_r") fig.colorbar(cntr, ax=ax, label="value") CS.levels = [int(val) for val in cntr.levels] 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12...
LATITUDE_FORMATTER#y轴设为纬度格式31#设置colorbar32cbar_kwargs ={33'orientation':'horizontal',34'label':'Potential',35'shrink': 0.8,36}37#画图38levels = np.arange(0,1,0.1)39temp.plot.contourf(ax=ax, levels=levels, cmap='Spectral_r',40cbar_kwargs=cbar_kwargs, transform=ccrs.Plate...
LATITUDE_FORMATTER#y轴设为纬度格式31#设置colorbar32cbar_kwargs ={33'orientation':'horizontal',34'label':'Potential',35'shrink': 0.8,36}37#画图38levels = np.arange(0,1,0.1)39temp.plot.contourf(ax=ax, levels=levels, cmap='Spectral_r',40cbar_kwargs=cbar_kwargs, transform=ccrs.Plate...
temp.plot.contourf(ax=create_map(),cmap='Spectral_r',levels=levels,cbar_kwargs=cbar_kwargs,transform=ccrs.PlateCarree(),extend='both') 读取陆地shp,并使用salem.roi来提取感兴趣的区域。 代码语言:javascript 复制 shp_path='./ne_10m_land_scale_rank/'shp=geopandas.read_file(shp_path+'ne_10...
plot.contourf(ax=ax, levels=levels, cmap='Spectral_r', cbar_kwargs=cbar_kwargs, transform=ccrs.PlateCarree()) # 设置标题的在代码中放置的位置很关键,注意不要放置在小图上或者新建画框了。 ax.set_title('China Map 2m Temperature',color='blue',fontsize= 20) # Save & Show figure # (...
在使用Python扩展库Matplotlib进行可视化时,不少函数支持使用参数cmap指定配色方案。例如,下面的代码模拟了一个3像素的图像并设置了Blues配色方案,实现了从白色到蓝色(蓝色分量饱和度从0到100%)的渐变,根据像素的值插值计算合适的颜色进行填充。 下面的代码设置了Blues_r配色方案,后缀_r表示反向映射,插值计算的方向与Blu...
import warnings warnings.filterwarnings('ignore') %matplotlib inline cmap = cm.get_cmap('Spectral...