如何用matplotlib和basemap将一维CSV气象数据绘制成数值着色地图？

一、先搞定散点图的颜色映射 #

你之前用map.scatter没实现颜色对应，其实是没用到c参数——直接把数据列表传给c，再指定颜色映射（colormap）就能实现低温蓝、高温红的效果。直接上代码：

import matplotlib.pyplot as plt
from mpl_toolkits.basemap import Basemap
import pandas as pd

# 读取CSV数据
df = pd.read_csv('your_data.csv')
lons = df['longitude'].values
lats = df['latitude'].values
temp_data = df['water_temp'].values  # 替换成你的目标数据列名

# 初始化Basemap（可根据需求调整投影和范围）
m = Basemap(projection='merc', llcrnrlat=-80, urcrnrlat=80,
            llcrnrlon=-180, urcrnrlon=180, resolution='l')

# 转换经纬度为地图投影坐标
x, y = m(lons, lats)

# 绘制带颜色映射的散点图
scatter = m.scatter(x, y, c=temp_data, cmap='coolwarm', s=10, alpha=0.8)

# 添加颜色条并标注
plt.colorbar(scatter, label='水温(℃)')

# 绘制基础地图要素
m.drawcoastlines()
m.drawcountries()
plt.title('全球水温分布')
plt.show()

这里s控制点的大小，alpha控制透明度，cmap='coolwarm'刚好是蓝到红的渐变，完美匹配你的需求。

二、实现类似pcolormesh的填色效果（一维转二维） #

如果想要连续的填色区域而不是离散点，就得把一维数据转成二维网格。核心是用插值把零散的点数据填充到规则网格上，步骤如下：

1. 生成规则网格点 #

先定义你想要的网格分辨率，比如按0.5度间隔生成全球范围的经纬度网格：

import numpy as np
from scipy.interpolate import griddata

# 生成规则网格的经纬度序列
grid_lon = np.linspace(-180, 180, 720)  # 0.5度间隔，共720个点
grid_lat = np.linspace(-80, 80, 320)
# 转换为网格矩阵
grid_x, grid_y = np.meshgrid(grid_lon, grid_lat)

# 把网格坐标转换为Basemap投影坐标
grid_mx, grid_my = m(grid_x, grid_y)

2. 插值填充数据 #

用griddata把一维的点数据插值到网格上，可选三种插值方法：

• nearest：最近邻插值，速度最快，适合离散点密集的场景
• linear：线性插值，平滑度中等，平衡速度和效果
• cubic：三次插值，最平滑但计算耗时最长

# 执行插值
grid_temp = griddata((lons, lats), temp_data, (grid_lon, grid_lat), method='linear')

3. 用pcolormesh绘制填色图 #

# 绘制连续填色图
m.pcolormesh(grid_mx, grid_my, grid_temp, cmap='coolwarm', alpha=0.7)

# 添加颜色条和地图要素
plt.colorbar(label='水温(℃)')
m.drawcoastlines()
m.drawcountries()
plt.title('全球水温分布（插值填色）')
plt.show()

三、实用注意事项 #

• 先处理数据缺失值：df = df.dropna(subset=['longitude', 'latitude', 'water_temp'])，避免插值报错
• 如果数据点稀疏，linear/cubic插值可能出现NaN空白区域，可以先用nearest插值填充空白，再叠加其他插值结果
• Basemap已停止维护，若后续换工具，cartopy的实现逻辑和上述完全通用

内容的提问来源于stack exchange，提问作者Tmpecho