如何快速将pcolormesh地图的底层坐标转换至正射投影？

不用手动逐个转换坐标，直接借助专业地图库的内置投影功能即可，这些库的转换逻辑都是底层优化过的，效率远高于手动循环计算。

方法1：使用Cartopy（推荐） #

Cartopy是专门的地图可视化库，支持多种投影，正射投影（Orthographic）是其内置的投影类型之一，它会自动高效处理经纬度到投影坐标的转换，无需手动遍历数组。

示例代码：

import numpy as np
import matplotlib.pyplot as plt
import cartopy.crs as ccrs

# 假设l是经度数组，b是纬度数组，q是对应的N×N数据
l = np.linspace(-180, 180, 1000)  # 示例经度范围
b = np.linspace(-90, 90, 1000)    # 示例纬度范围
q = np.random.randn(1000, 1000)   # 示例数据

# 创建正射投影的坐标轴
fig = plt.figure(figsize=(8, 8))
ax = fig.add_subplot(111, projection=ccrs.Orthographic(central_longitude=0, central_latitude=0))

# 添加地图特征（可选，比如海岸线）
ax.coastlines()

# 绘制数据，需指定输入坐标为经纬度坐标系
lg, bg = np.meshgrid(l, b)
ax.pcolormesh(lg, bg, q, transform=ccrs.PlateCarree())

plt.show()

关键说明：

• projection=ccrs.Orthographic() 指定坐标轴使用正射投影，可通过central_longitude和central_latitude设置投影中心
• transform=ccrs.PlateCarree() 告知库输入的lg、bg是经纬度坐标，库会自动完成批量投影转换，这个过程由底层优化代码实现，处理大数组的速度远快于手动循环。

方法2：使用Matplotlib内置GeoAxes #

Matplotlib本身也支持简单的地图投影，通过指定projection='ortho'创建地理坐标轴，同样无需手动转换坐标：

import numpy as np
import matplotlib.pyplot as plt

l = np.linspace(-180, 180, 1000)
b = np.linspace(-90, 90, 1000)
q = np.random.randn(1000, 1000)

fig = plt.figure(figsize=(8, 8))
ax = fig.add_subplot(111, projection='ortho')

lg, bg = np.meshgrid(l, b)
ax.pcolormesh(lg, bg, q, transform=plt.crs.PlateCarree())

# 添加网格线
ax.gridlines()

plt.show()

效率优势说明 #

这些库的投影转换逻辑依赖底层优化的代码（比如Cartopy依赖的PROJ库为C语言实现），会对整个数组进行批量处理，而非逐个元素计算，能大幅降低大尺寸地图数据的处理成本。

内容的提问来源于stack exchange，提问作者Razor