气小Py，轻磅来袭！无偿接各类绘图、代码编写~~欢迎供稿~

edwardli

https://www.bilibili.com/video/B ... 999.section.playall
QQ：342205284
要画图？一起呗！~
不会画图？没关系 ， 我们一起研究着画
图画成了 = 你的问题解决了  +  我的素材也有了，商量着一起出视频哈。
一举好几得


喜欢研究各种数据，爱好画各类图形，就是不缺钱。
哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈。

1163087557

工作中我们可能经常遇到批量绘图的情况，但是python运行时往往只是单线程运行，数据量、绘图量大的话CPU拉不满，绘图就可能比较慢。使用多进程运行就可以充分发挥CPU的多核性能了，这是我的小白代码，主要multiprocessing多线程用于绘制雷达图像，但在分配任务时，会有bug(数据个数不能被设置的进程数整除的话，余数的最后几个数据不会被处理)抛砖引玉，请大佬们多交流。

1. import numpy as np
   
2. import matplotlib
   
3. matplotlib.use('agg')
   
4. from matplotlib import pyplot as plt
   
5. from multiprocessing import Process
   
6. import os
   
7. import cartopy.crs as ccrs
   
8. import cartopy.io.shapereader as shapereader
   
9. from pycwr.io import read_auto
   
10. from pycwr.draw.RadarPlot import add_rings,GraphMap
    
11. 
    
12. def get_filename(path,fileType):
    
13.     file_name =[]
    
14.     final_name = []
    
15.     for files in os.listdir(path):  #root为目录路径 #dirs为路径下的子目录 #files为路径下的所有非子目录
    
16.         if fileType in files:
    
17.             file_name.append(files.replace(fileType,''))#生成不带‘.bin’后缀的文件名组成的列表
    
18.             final_name = [path +item +fileType for item in file_name]#生成‘.bin’后缀的文件名组成的绝对路径列表
    
19.             final_name.sort()
    
20.     return final_name #输出列表
    
21. 
    
22. def generate_heat_array(sa_radar_file,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list):
    
23.    
    
24.     path1=[]
    
25.     path2=[]
    
26.     path3=[]
    
27.     path4=[]
    
28.     path5=[]
    
29.     path6=[]
    
30.     path7=[]
    
31.     path8=[]
    
32.     path9=[]
    
33.     path10=[]
    
34.     num = 0
    
35.     while num <= (len(sa_radar_file)/10-1):
    
36.         path1.append(sa_radar_file[10*num])
    
37.         path2.append(sa_radar_file[10*num+1])
    
38.         path3.append(sa_radar_file[10*num+2])
    
39.         path4.append(sa_radar_file[10*num+3])
    
40.         path5.append(sa_radar_file[10*num+4])
    
41.         path6.append(sa_radar_file[10*num+5])
    
42.         path7.append(sa_radar_file[10*num+6])
    
43.         path8.append(sa_radar_file[10*num+7])
    
44.         path9.append(sa_radar_file[10*num+8])
    
45.         path10.append(sa_radar_file[10*num+9])
    
46.         num = num+1
    
47.    
    
48.     #用multiprocessing实现多进程
    
49.     process1=Process(target=show_heat_map,args=(path1,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list))
    
50.     process2=Process(target=show_heat_map,args=(path2,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list))
    
51.     process3=Process(target=show_heat_map,args=(path3,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list))
    
52.     process4=Process(target=show_heat_map,args=(path4,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list))
    
53.     process5=Process(target=show_heat_map,args=(path5,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list))
    
54.     process6=Process(target=show_heat_map,args=(path6,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list))
    
55.     process7=Process(target=show_heat_map,args=(path7,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list))
    
56.     process8=Process(target=show_heat_map,args=(path8,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list))
    
57.     process9=Process(target=show_heat_map,args=(path9,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list))
    
58.     process10=Process(target=show_heat_map,args=(path10,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list))
    
59.     process1.start()
    
60.     process2.start()
    
61.     process3.start()
    
62.     process4.start()
    
63.     process5.start()
    
64.     process6.start()
    
65.     process7.start()
    
66.     process8.start()
    
67.     process9.start()
    
68.     process10.start()
    
69.     process1.join()
    
70.     process2.join()
    
71.     process3.join()
    
72.     process4.join()
    
73.     process5.join()
    
74.     process6.join()
    
75.     process7.join()
    
76.     process8.join()
    
77.     process9.join()
    
78.     process10.join()
    
79. 
    
80. def show_heat_map(path,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list):
    
81.     # for key,color in zip(['dBZ'],['CN_ref']):#'V','CN_vel',
    
82.     for key in ['dBZ','V']:
    
83.         for level in [0,1,2,3,4,5]:#
    
84.             print(level,'begin')
    
85.             for nFiles in range(len(path)):
    
86.                 # print(os.path.basename(path[nFiles]),'begin')
    
87.                 PRD = read_auto(path[nFiles]) #新版本数据
    
88.                 PRD.add_product_CR_lonlat(XLon=lon1d, YLat=lat1d)
    
89.                 # XLon:np.ndarray, 1d, units:degrees
    
90.                 # YLat:np.ndarray, 1d, units:degrees
    
91.                 # level_height:常量，要计算的高度 units:meters
    
92.                 fig = plt.figure(figsize=(6,6))
    
93.                 ax = plt.axes(projection=proj , zorder = 5)
    
94.                 # ax = fig.subplots(1, 1, subplot_kw={'projection': proj})
    
95.                 ax.set_extent(extent, crs=proj)
    
96.                 graph = GraphMap(PRD, proj)
    
97.                 graph.plot_ppi_map(ax=ax, sweep_num=level, extend=extent,field_name=key) ## ,min_max=[-35,35],cmap = 'CN_vel' 0代表第一层, dBZ代表反射率产品，cmap
    
98.                 # plot_lonlat_map(ax, grid_lon, grid_lat, PRD.product.CR_geo, transform=proj,)### bounds= np.arange(25,76,5),cmap = 'Greys'
    
99.                 ### 设置经纬度间隔 修改Anaconda3\Lib\site-packages\pycwr\draw\RadarPlot.py
    
100.                 ### 中def plot_lonlat_map 参数 parallels meridians
     
101.                 add_rings(ax,rings=[50,100],color="red", linestyle='-', linewidth=0.6,)
     
102.                 # ax.add_geometries(shapereader.Reader(mfl1).geometries(), crs=proj, facecolor='none',edgecolor='k',linewidth=1)
     
103.                 for state, geos in zip(shapereader.Reader(mfl).records(), shapereader.Reader(mfl).geometries()):
     
104.                     if state.attributes['NAME'] in name_list:
     
105.                         ax.add_geometries([geos], crs=proj,facecolor='None', edgecolor='red',zorder = 5)  # 重点区域上色
     
106.                 # start_time = str(PRD.scan_info.start_time.values + np.timedelta64(8, 'h'))[5:19]
     
107.                 end_time = str(PRD.scan_info.end_time.values + np.timedelta64(8, 'h'))[5:19]
     
108.                 ax.set_title(end_time+' Z9856 '+str(level)+key, fontsize=16)
     
109. 
     
110.    
     
111.                 plt.tight_layout()
     
112.                 plt.savefig(fig_dir+os.path.basename(path[nFiles])+'_'+str(level)+'_'+key+'.png',dpi = 200)
     
113.                 plt.clf()  
     
114.                 # plt.close()
     
115.                 print(level,end_time,' Z9856 done')
     
116.             print(level,'done')
     
117.    
     
118. if __name__=='__main__':
     
119.     #pdb.set_trace()
     
120. #"""读取目标文件夹下的多个雷达基数据"""
     
121.     Dir = "G:\\data\\9856\\" #目标文件夹
     
122.     fig_dir = "D:\\9856_fig_all\\"
     
123.     fileType = '.bz2' #雷达基数据后缀名
     
124.     sa_radar_file = get_filename(Dir,fileType)
     
125.     # print(sa_radar_file)
     
126. #"""----------------------------------------------------------------------"""
     
127.     mfl = 'G:/代码/地图文件/micaps_shp_utf8/County.shp'
     
128.     mfl1 = 'G:/代码/地图文件/micaps_shp_utf8/City.shp'
     
129.     name_list = ['碧江区','万山区','江口县','玉屏侗族自治县','石阡县','思南县',
     
130.     '印江土家族苗族自治县','德江县','沿河土家族自治县','松桃苗族自治县',]
     
131.     # extent = [108, 110, 27, 29]#限定绘图范围[108, 110, 27, 29]
     
132.     extent = [107.5, 109.5, 27, 29.5]
     
133.     proj = ccrs.PlateCarree()#创建投影，选择cartopy的platecarree投影
     
134.     lon1d = np.arange(extent[0], extent[1], 0.01) ##lon方向0.01等间距，lon_min-1on_max范围
     
135.     lat1d = np.arange(extent[2], extent[3], 0.01) ##lat方向0.01等间距，lat_min-lat_max度范围
     
136.     # grid_lon, grid_lat = np.meshgrid(lon1d, lat1d, indexing="ij")
     
137.     # for key,color in zip(['dBZ','ZDR','CC','PhiDP','KDP'],['CN_ref','pyart_RefDiff','pyart_RefDiff','pyart_RefDiff','pyart_RefDiff']):
     
138.     # return mfl,mfl1,extent,proj,lon1d,lat1d
     
139.     generate_heat_array(sa_radar_file,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list)
     
140.     print('finish')

import numpy as np<br /> import matplotlib<br /> matplotlib.use('agg')<br /> from matplotlib import pyplot as plt<br /> from multiprocessing import Process<br /> import os<br /> import cartopy.crs as ccrs<br /> import cartopy.io.shapereader as shapereader<br /> from pycwr.io import read_auto<br /> from pycwr.draw.RadarPlot import add_rings,GraphMap<br /> <br /> def get_filename(path,fileType):<br />     file_name =[]<br />     final_name = []<br />     for files in os.listdir(path):  #root为目录路径 #dirs为路径下的子目录 #files为路径下的所有非子目录<br />         if fileType in files:<br />             file_name.append(files.replace(fileType,''))#生成不带‘.bin’后缀的文件名组成的列表<br />             final_name = [path +item +fileType for item in file_name]#生成‘.bin’后缀的文件名组成的绝对路径列表<br />             final_name.sort()<br />     return final_name #输出列表<br /> <br /> def generate_heat_array(sa_radar_file,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list):<br />     <br />     path1=[]<br />     path2=[]<br />     path3=[]<br />     path4=[]<br />     path5=[]<br />     path6=[]<br />     path7=[]<br />     path8=[]<br />     path9=[]<br />     path10=[]<br />     num = 0<br />     while num <= (len(sa_radar_file)/10-1):<br />         path1.append(sa_radar_file[10*num])<br />         path2.append(sa_radar_file[10*num+1])<br />         path3.append(sa_radar_file[10*num+2])<br />         path4.append(sa_radar_file[10*num+3])<br />         path5.append(sa_radar_file[10*num+4])<br />         path6.append(sa_radar_file[10*num+5])<br />         path7.append(sa_radar_file[10*num+6])<br />         path8.append(sa_radar_file[10*num+7])<br />         path9.append(sa_radar_file[10*num+8])<br />         path10.append(sa_radar_file[10*num+9])<br />         num = num+1<br />     <br />     #用multiprocessing实现多进程<br />     process1=Process(target=show_heat_map,args=(path1,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list))<br />     process2=Process(target=show_heat_map,args=(path2,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list))<br />     process3=Process(target=show_heat_map,args=(path3,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list))<br />     process4=Process(target=show_heat_map,args=(path4,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list))<br />     process5=Process(target=show_heat_map,args=(path5,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list))<br />     process6=Process(target=show_heat_map,args=(path6,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list))<br />     process7=Process(target=show_heat_map,args=(path7,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list))<br />     process8=Process(target=show_heat_map,args=(path8,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list))<br />     process9=Process(target=show_heat_map,args=(path9,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list))<br />     process10=Process(target=show_heat_map,args=(path10,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list))<br />     process1.start()<br />     process2.start()<br />     process3.start()<br />     process4.start()<br />     process5.start()<br />     process6.start()<br />     process7.start()<br />     process8.start()<br />     process9.start()<br />     process10.start()<br />     process1.join()<br />     process2.join()<br />     process3.join()<br />     process4.join()<br />     process5.join()<br />     process6.join()<br />     process7.join()<br />     process8.join()<br />     process9.join()<br />     process10.join()<br /> <br /> def show_heat_map(path,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list):<br />     # for key,color in zip(['dBZ'],['CN_ref']):#'V','CN_vel',<br />     for key in ['dBZ','V']:<br />         for level in [0,1,2,3,4,5]:#<br />             print(level,'begin')<br />             for nFiles in range(len(path)):<br />                 # print(os.path.basename(path[nFiles]),'begin')<br />                 PRD = read_auto(path[nFiles]) #新版本数据<br />                 PRD.add_product_CR_lonlat(XLon=lon1d, YLat=lat1d)<br />                 # XLon:np.ndarray, 1d, units:degrees<br />                 # YLat:np.ndarray, 1d, units:degrees<br />                 # level_height:常量，要计算的高度 units:meters<br />                 fig = plt.figure(figsize=(6,6))<br />                 ax = plt.axes(projection=proj , zorder = 5)<br />                 # ax = fig.subplots(1, 1, subplot_kw={'projection': proj}) <br />                 ax.set_extent(extent, crs=proj)<br />                 graph = GraphMap(PRD, proj)<br />                 graph.plot_ppi_map(ax=ax, sweep_num=level, extend=extent,field_name=key) ## ,min_max=[-35,35],cmap = 'CN_vel' 0代表第一层, dBZ代表反射率产品，cmap<br />                 # plot_lonlat_map(ax, grid_lon, grid_lat, PRD.product.CR_geo, transform=proj,)### bounds= np.arange(25,76,5),cmap = 'Greys'<br />                 ### 设置经纬度间隔 修改Anaconda3\Lib\site-packages\pycwr\draw\RadarPlot.py<br />                 ### 中def plot_lonlat_map 参数 parallels meridians<br />                 add_rings(ax,rings=[50,100],color="red", linestyle='-', linewidth=0.6,)<br />                 # ax.add_geometries(shapereader.Reader(mfl1).geometries(), crs=proj, facecolor='none',edgecolor='k',linewidth=1)<br />                 for state, geos in zip(shapereader.Reader(mfl).records(), shapereader.Reader(mfl).geometries()):<br />                     if state.attributes['NAME'] in name_list:<br />                         ax.add_geometries([geos], crs=proj,facecolor='None', edgecolor='red',zorder = 5)  # 重点区域上色<br />                 # start_time = str(PRD.scan_info.start_time.values + np.timedelta64(8, 'h'))[5:19]<br />                 end_time = str(PRD.scan_info.end_time.values + np.timedelta64(8, 'h'))[5:19]<br />                 ax.set_title(end_time+' Z9856 '+str(level)+key, fontsize=16)<br /> <br />     <br />                 plt.tight_layout()<br />                 plt.savefig(fig_dir+os.path.basename(path[nFiles])+'_'+str(level)+'_'+key+'.png',dpi = 200)<br />                 plt.clf()  <br />                 # plt.close()<br />                 print(level,end_time,' Z9856 done')<br />             print(level,'done')<br />     <br /> if __name__=='__main__':<br />     #pdb.set_trace()<br /> #"""读取目标文件夹下的多个雷达基数据"""<br />     Dir = "G:\\data\\9856\\" #目标文件夹<br />     fig_dir = "D:\\9856_fig_all\\"<br />     fileType = '.bz2' #雷达基数据后缀名<br />     sa_radar_file = get_filename(Dir,fileType)<br />     # print(sa_radar_file)<br /> #"""----------------------------------------------------------------------"""<br />     mfl = 'G:/代码/地图文件/micaps_shp_utf8/County.shp'<br />     mfl1 = 'G:/代码/地图文件/micaps_shp_utf8/City.shp'<br />     name_list = ['碧江区','万山区','江口县','玉屏侗族自治县','石阡县','思南县',<br />     '印江土家族苗族自治县','德江县','沿河土家族自治县','松桃苗族自治县',]<br />     # extent = [108, 110, 27, 29]#限定绘图范围[108, 110, 27, 29]<br />     extent = [107.5, 109.5, 27, 29.5]<br />     proj = ccrs.PlateCarree()#创建投影，选择cartopy的platecarree投影<br />     lon1d = np.arange(extent[0], extent[1], 0.01) ##lon方向0.01等间距，lon_min-1on_max范围<br />     lat1d = np.arange(extent[2], extent[3], 0.01) ##lat方向0.01等间距，lat_min-lat_max度范围<br />     # grid_lon, grid_lat = np.meshgrid(lon1d, lat1d, indexing="ij")<br />     # for key,color in zip(['dBZ','ZDR','CC','PhiDP','KDP'],['CN_ref','pyart_RefDiff','pyart_RefDiff','pyart_RefDiff','pyart_RefDiff']):<br />     # return mfl,mfl1,extent,proj,lon1d,lat1d<br />     generate_heat_array(sa_radar_file,fig_dir,mfl,lon1d,lat1d,proj,extent,name_list)<br />     print('finish')

topmad

已关注  学习

万里路始于足下

学习

lotuslee

233333333老李仗义

随缘

{:eb502:}{:eb502:}

znk1981

格局很大！！！{:eb502:}{:eb502:}

落坊

迅速关注一波

独孤酒见

李sir 这格局牛逼了。
那我等必须要不耻下问了。

1099221723

1163087557 发表于 2023-5-6 10:09
工作中我们可能经常遇到批量绘图的情况，但是python运行时往往只是单线程运行，数据量、绘图量大 ...

1. import numpy as np
   
2. import matplotlib
   
3. 
   
4. matplotlib.use('agg')
   
5. from matplotlib import pyplot as plt
   
6. import multiprocessing
   
7. import os
   
8. import cartopy.crs as ccrs
   
9. import cartopy.io.shapereader as shapereader
   
10. from pycwr.io import read_auto
    
11. from pycwr.draw.RadarPlot import add_rings, GraphMap
    
12. 
    
13. 
    
14. def get_filename(path, fileType):
    
15.     file_name = []
    
16.     final_name = []
    
17.     for files in os.listdir(path):  # root为目录路径 #dirs为路径下的子目录 #files为路径下的所有非子目录
    
18.         if fileType in files:
    
19.             file_name.append(files.replace(fileType, ''))  # 生成不带‘.bin’后缀的文件名组成的列表
    
20.             final_name = [path + item + fileType for item in file_name]  # 生成‘.bin’后缀的文件名组成的绝对路径列表
    
21.             final_name.sort()
    
22.     return final_name  # 输出列表
    
23. 
    
24. 
    
25. def show_heat_map(file, fig_dir, mfl, lon1d, lat1d, proj, extent, name_list):
    
26.     # for key,color in zip(['dBZ'],['CN_ref']):#'V','CN_vel',
    
27.     for key in ['dBZ', 'V']:
    
28.         for level in [0, 1, 2, 3, 4, 5]:  #
    
29.             print(level, 'begin')
    
30.             # print(os.path.basename(path[nFiles]),'begin')
    
31.             PRD = read_auto(file)  # 新版本数据
    
32.             PRD.add_product_CR_lonlat(XLon=lon1d, YLat=lat1d)
    
33.             # XLon:np.ndarray, 1d, units:degrees
    
34.             # YLat:np.ndarray, 1d, units:degrees
    
35.             # level_height:常量，要计算的高度 units:meters
    
36.             fig = plt.figure(figsize=(6, 6))
    
37.             ax = plt.axes(projection=proj, zorder=5)
    
38.             # ax = fig.subplots(1, 1, subplot_kw={'projection': proj})
    
39.             ax.set_extent(extent, crs=proj)
    
40.             graph = GraphMap(PRD, proj)
    
41.             graph.plot_ppi_map(ax=ax, sweep_num=level, extend=extent, field_name=key)  ## ,min_max=[-35,35],cmap = 'CN_vel' 0代表第一层, dBZ代表反射率产品，cmap
    
42.             # plot_lonlat_map(ax, grid_lon, grid_lat, PRD.product.CR_geo, transform=proj,)### bounds= np.arange(25,76,5),cmap = 'Greys'
    
43.             ### 设置经纬度间隔 修改Anaconda3\Lib\site-packages\pycwr\draw\RadarPlot.py
    
44.             ### 中def plot_lonlat_map 参数 parallels meridians
    
45.             add_rings(ax, rings=[50, 100], color="red", linestyle='-', linewidth=0.6, )
    
46.             # ax.add_geometries(shapereader.Reader(mfl1).geometries(), crs=proj, facecolor='none',edgecolor='k',linewidth=1)
    
47.             for state, geos in zip(shapereader.Reader(mfl).records(), shapereader.Reader(mfl).geometries()):
    
48.                 if state.attributes['NAME'] in name_list:
    
49.                     ax.add_geometries([geos], crs=proj, facecolor='None', edgecolor='red', zorder=5)  # 重点区域上色
    
50.             # start_time = str(PRD.scan_info.start_time.values + np.timedelta64(8, 'h'))[5:19]
    
51.             end_time = str(PRD.scan_info.end_time.values + np.timedelta64(8, 'h'))[5:19]
    
52.             ax.set_title(end_time + ' Z9856 ' + str(level) + key, fontsize=16)
    
53. 
    
54.             plt.tight_layout()
    
55.             plt.savefig(fig_dir + os.path.basename(file) + '_' + str(level) + '_' + key + '.png', dpi=200)
    
56.             plt.clf()
    
57.             # plt.close()
    
58.             print(level, end_time, ' Z9856 done')
    
59.             print(level, 'done')
    
60. 
    
61. 
    
62. def generate_heat_array(sa_radar_file, fig_dir, mfl, lon1d, lat1d, proj, extent, name_list):
    
63.     pools = multiprocessing.Pool(processes=10)
    
64.     for file in sa_radar_file:
    
65.         pools.apply_async(show_heat_map, (file, fig_dir, mfl, lon1d, lat1d, proj, extent, name_list))
    
66.     pools.close()
    
67.     pools.join()
    
68. 
    
69. 
    
70. if __name__ == '__main__':
    
71.     # pdb.set_trace()
    
72.     # """读取目标文件夹下的多个雷达基数据"""
    
73.     Dir = "G:\\data\\9856\"  # 目标文件夹
    
74.     fig_dir = "D:\\9856_fig_all\"
    
75.     fileType = '.bz2'  # 雷达基数据后缀名
    
76.     sa_radar_file = get_filename(Dir, fileType)
    
77.     # print(sa_radar_file)
    
78.     # """----------------------------------------------------------------------"""
    
79.     mfl = 'G:/代码/地图文件/micaps_shp_utf8/County.shp'
    
80.     mfl1 = 'G:/代码/地图文件/micaps_shp_utf8/City.shp'
    
81.     name_list = ['碧江区', '万山区', '江口县', '玉屏侗族自治县', '石阡县', '思南县',
    
82.                  '印江土家族苗族自治县', '德江县', '沿河土家族自治县', '松桃苗族自治县', ]
    
83.     # extent = [108, 110, 27, 29]#限定绘图范围[108, 110, 27, 29]
    
84.     extent = [107.5, 109.5, 27, 29.5]
    
85.     proj = ccrs.PlateCarree()  # 创建投影，选择cartopy的platecarree投影
    
86.     lon1d = np.arange(extent[0], extent[1], 0.01)  ##lon方向0.01等间距，lon_min-1on_max范围
    
87.     lat1d = np.arange(extent[2], extent[3], 0.01)  ##lat方向0.01等间距，lat_min-lat_max度范围
    
88.     # grid_lon, grid_lat = np.meshgrid(lon1d, lat1d, indexing="ij")
    
89.     # for key,color in zip(['dBZ','ZDR','CC','PhiDP','KDP'],['CN_ref','pyart_RefDiff','pyart_RefDiff','pyart_RefDiff','pyart_RefDiff']):
    
90.     # return mfl,mfl1,extent,proj,lon1d,lat1d
    
91.     generate_heat_array(sa_radar_file, fig_dir, mfl, lon1d, lat1d, proj, extent, name_list)
    
92.     print('finish')
    

复制代码