嘿，刚入坑Python地理空间数据的话，这个需求完全可以用numpy+matplotlib+cartopy搞定，我给你一步步来：

第一步：先处理经纬度格式 #

你给的经度是280这种0-360范围的（西经），但大多数地图库默认用-180到180的经度范围，所以先转一下：

import numpy as np

# 假设你的数组已经是numpy数组，如果不是先转成numpy格式
variable_lats = np.array([20.099339, 20.142488, 20.101004, ..., -38.988274, -38.988274, -38.9924])
variable_lons = np.array([280.017, 279.97015, 280.03192, ..., 22.829168, 22.829168, 22.834965])

# 转换经度到-180~180的标准范围
variable_lons = np.where(variable_lons > 180, variable_lons - 360, variable_lons)

第二步：1x1度网格分箱计算密度 #

用numpy的histogram2d函数直接统计每个网格里的点数（也就是你要的密度）：

# 定义1度间隔的网格边界
lon_bins = np.arange(-180, 181, 1)  # 从-180到180，每步1度
lat_bins = np.arange(-90, 91, 1)    # 从-90到90，每步1度

# 计算每个网格的点数（密度）
density, lon_edges, lat_edges = np.histogram2d(
    variable_lons, variable_lats,
    bins=[lon_bins, lat_bins]
)

# 注意：histogram2d返回的density是(lon箱数-1, lat箱数-1)的数组，刚好对应每个1x1度网格

第三步：可视化密度分布图 #

用cartopy来画带地图底图的可视化，这样比纯热力图更直观：

import matplotlib.pyplot as plt
import cartopy.crs as ccrs
from cartopy.feature import NaturalEarthFeature

# 设置地图投影
fig, ax = plt.subplots(
    figsize=(12, 6),
    subplot_kw={'projection': ccrs.PlateCarree()}
)

# 画密度热力图，这里要转置density，因为pcolormesh是(y,x)的顺序
im = ax.pcolormesh(
    lon_edges, lat_edges, density.T,
    cmap='YlOrRd',  # 选个适合密度展示的配色，你也可以换'viridis'或'Blues'
    transform=ccrs.PlateCarree()
)

# 添加地图元素：海岸线、陆地轮廓
coastline = NaturalEarthFeature('physical', 'coastline', '110m', edgecolor='black', facecolor='none')
ax.add_feature(coastline)

# 可选：根据你的数据范围调整显示区域，避免空范围
ax.set_extent([variable_lons.min()-2, variable_lons.max()+2, variable_lats.min()-2, variable_lats.max()+2])

# 添加颜色条和标题
plt.colorbar(im, ax=ax, label='网格内数据点密度')
plt.title('1x1度网格数据点密度分布')

plt.show()

额外小贴士 #

• 如果你的数据里有缺失值（NaN），先过滤掉再处理：

  # 过滤所有含NaN的行
  mask = ~np.isnan(variable_lats) & ~np.isnan(variable_lons)
  filtered_lats = variable_lats[mask]
  filtered_lons = variable_lons[mask]
  # 之后用过滤后的数组去做分箱和可视化
  

• 要是不想装cartopy，也可以直接用matplotlib的pcolormesh画纯热力图，只是少了地图底图的参考性。

内容的提问来源于stack exchange，提问作者Balazagi