一、安裝

方法一：在網(wǎng)好的情況下

在Anaconda prompt 輸入 conda install -c conda-forge cartopy 然后enter

方法二：在網(wǎng)不太好的情況下

conda install geos
conda install Shapely
conda install pyshp

隨后：conda install cartopy

二、投影

導(dǎo)入庫

from mpl_toolkits.basemap import Basemap

from matplotlib import pyplot as plt

from netCDF4 import Dataset

import scipy.ndimage as ndimage

# Load parameters

import math

import netCDF4 as nc

import cartopy.crs as ccrs

import matplotlib.ticker as mticker

import cartopy.feature as cfeature

import matplotlib.path as mpath

import cmaps

投影：

proj =ccrs.NorthPolarStereo(central_longitude=0)#設(shè)置地圖投影

leftlon, rightlon, lowerlat, upperlat = (-180,180,60,90)#經(jīng)緯度范圍

img_extent = [leftlon, rightlon, lowerlat, upperlat]

fig1 = plt.figure(figsize=(15,15))#設(shè)置畫布大小

f1_ax1 = fig1.add_axes([0.2, 0.3, 0.5, 0.5],projection = ccrs.NorthPolarStereo(central_longitude=0))#繪制地圖位置

f1_ax1.set_extent(img_extent, ccrs.PlateCarree())

f1_ax1.coastlines()

g1=f1_ax1.gridlines(crs=ccrs.PlateCarree(), draw_labels=True, linewidth=1, color='gray',linestyle='--')

g1.xlocator = mticker.FixedLocator(np.linspace(-180,180,13))

g1.ylocator = mticker.FixedLocator(np.linspace(60, 90,4))

theta = np.linspace(0, 2*np.pi, 100)

center, radius = [0.5, 0.5], 0.44

verts = np.vstack([np.sin(theta), np.cos(theta)]).T

circle = mpath.Path(verts * radius + center)

levels = np.arange(5000,5600,50)

f1_ax1.set_boundary(circle, transform=f1_ax1.transAxes)

三、變量的可視化實現(xiàn)

c7=f1_ax1.contourf(lon_new,lat_new,ssh_new,transform=ccrs.PlateCarree(),cmap=cmaps.matlab_jet,levels=20)

position=fig1.add_axes([0.2, 0.25, 0.5, 0.025])

cb=fig1.colorbar(c7,cax=position,orientation='horizontal',format='%.1f',extend='both')#設(shè)置圖標(biāo)

四、與basemap庫的優(yōu)缺點對比（個人觀點）

? ? ? ?我覺得如果你研究的是其他地區(qū)，其實這兩個庫用哪個都無所謂，但是像我要重點研究北冰洋，那么我覺得cartopy更方便一些，因為它的緯度label可以直接通過兩行代碼去調(diào)試，相對方便一些，具體如下：

謝謝大家的瀏覽，對于編程我還是一個菜鳥，歡迎大家提出寶貴意見哦，這樣才能進步嘛~