matplotlib quiver 画风速风向

一个箭头的组成

quiver几个参数的理解

---

quiver([X, Y], U, V, [C], **kw),其中kw可供选择的参数有：

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，好比说画布大小设为plt.figure(figsize=(144, 72), dpi=10)，这个画布占1440*720px,若是quiver设置units="dots",width=5，表明以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,那么数据就须要抽样画了，否则会糊在一块儿；

x/y/xy：以x,y,或者xy的平方根为基础的宽度，若是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，那么就能够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，可是对于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，因此若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，好比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,若是为None,则使用matplotlib自动缩放算法，箭头长度单scale_units参数指定

scale_units：若是该值设置为width/heigth,则scale应该设为0.000x的范围差很少才是想要的结果，若是设置为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"的画出来的结果是同样的；

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

---

所有代码参考

---

# _*_coding:utf-8_*_
import matplotlib.pyplot as plt
from PIL import Image
import numpy as np
import os
import sys
import json
import 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)):
        # 获取须要进行判断的值
        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):
        # 获取须要进行判断的值
        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调色板从新赋值
    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

    # 建立画布
    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状况
    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)