Python 地理数据图的matplotlib和APEC比率

我处理地理信息，并使用 matplotlib。所有输入均为纬度/经度[度]。我转换成 x/y[米]用于我的计算。我将我的结果展示在 纬度/经度。问题是要得到图形的纵横比 右：所有图表都太宽。是否有标准的程序来设置 正确的纵横比，这样我就可以简单地绘制散点图和其他图表
使用lat/lon，结果是否具有正确的形状？银幕上 纸张（png）

[稍后添加此部分] 这是我问题的一个赤裸裸的版本。我需要实际的纬度/经度值 围绕轴和精确的形状（方形）。现在它看起来很宽（2x）

---

在matplotlib中，我通常会更改图形大小，如下所示：

import matplotlib.pyplot as plt

plt.clf()
fig     = plt.figure()
fig_p   = plt.gcf()
fig_p.set_size_inches(8, 8)    # x, y

但是，这将设置地物外部尺寸，而不是打印区域的尺寸。您可以更改相对于图形大小的打印区域，该图形大小分别以x和y的图形大小总长度的比率给出：

fig.subplots_adjust(left=0.1, right=0.9, bottom=0.1, top=0.9)

只要相对比率保持对称，则绘图的纵横比应相同

例1：

plt.clf()
fig     = plt.figure()
fig_p   = plt.gcf()
fig_p.set_size_inches(5, 5)    # x, y for figure canvas

# Relative distance ratio between origin of the figure and max extend of canvas
fig.subplots_adjust(left=0.2, right=0.8, bottom=0.2, top=0.8)

ax1   = fig.add_subplot(111)
xdata = [rand()*10 for i in xrange(100)]
ydata = [rand()*1  for i in xrange(100)]
ax1.plot(xdata, ydata, '.b', )
ax1.set_xlabel('Very Large X-Label', size=30)
plt.savefig('squareplot.png', dpi=96)

例2：

fig.subplots_adjust(left=0.0, right=1.0, bottom=0.0, top=1.0)

绘图区域完全填充地物大小：

---

看来我找到了解决办法。 我在这里找到的：

---

不要试图通过摆弄

fig.set\u size\u inches（）

或

fig.subplot\u adjust（）

或更改数据来解决此问题；而是使用墨卡托投影

通过使用数据的平均纬度余弦倒数的纵横比，可以得到快速而肮脏的墨卡托投影。这对于包含在大约1度纬度（约100公里）的数据来说是“非常好的”。（你必须决定，对于你的申请来说，这是“足够好”。如果不是，你真的必须考虑一些严肃的地理投影库……）

例如：

from math import cos, radians
import matplotlib.pyplot as plt
import numpy as np

# Helsinki 60.1708 N, 24.9375 E
# Helsinki (lng, lat)
hels = [24.9375, 60.1708]
# a point 100 km directly north of Helsinki
pt_N = [24.9375, 61.0701]
# a point 100 km east of Helsinki along its parallel
pt_E = [26.7455, 60.1708]

coords = np.array([pt_N, hels, pt_E])

plt.figure()
plt.plot(coords[:,0], coords[:,1])

# either of these will estimate the "central latitude" of your data
# 1) do the plot, then average the limits of the y-axis    
central_latitude = sum(plt.axes().get_ylim())/2.
# 2) actually average the latitudes in your data
central_latitude = np.average(coords, 0)[1]

# calculate the aspect ratio that will approximate a 
# Mercator projection at this central latitude 
mercator_aspect_ratio = 1/cos(radians(central_latitude))

# set the aspect ratio of the axes to that
plt.axes().set_aspect(mercator_aspect_ratio)

plt.show()

我选择赫尔辛基为例，因为在那个纬度，纵横比几乎是2。。。因为两个经度和一个纬度的距离差不多

要真正看到这项工作：a）运行上述操作，b）调整窗口大小。然后注释掉对

set_aspect（）

的调用，并执行同样的操作。在第一种情况下，将保持正确的纵横比，在后一种情况下，将得到无意义的拉伸

---

赫尔辛基以北和以东100公里处的点由移动式脚本的优秀页面计算/确认

我想到了这一点，但我希望它们是设置APEC比率的更精确的方法。现在，我将按照您的建议，保留y尺寸，并设置相对于cos（lat）的x尺寸。非常感谢。在使用这些建议之后，我在原始问题中添加了一个代码示例。您需要多精确？据我所知，“子地块调整”覆盖了其他可能扭曲纵横比的设置，因此应该可以正常工作。从示例代码

w

大约为2，然后您可以：

fig.set\u size\u inches（8，w*8）

。你强迫图形变宽，但你说图形应该是正方形而不是宽的？我不确定我是否理解你的问题。谢谢你的回答。我又试了一次来解释我的问题。

import math
import matplotlib.pyplot as plt
import numpy as np

w=1/math.cos(math.radians(60.0))
plt_area=[0,w,59.5,60.5] #square area

a=np.zeros(shape=(300,300))

fig = plt.figure()
ax = fig.add_subplot(111)

ax.imshow(a)

plt.grid(False)
ax.axis(plt_area)
fig   = plt.gcf()
fig.set_size_inches(8,8)
ax.set_aspect(w)
fig.subplots_adjust(left=0.1, right=0.9, bottom=0.1, top=0.9)

plt.show()

from math import cos, radians
import matplotlib.pyplot as plt
import numpy as np

# Helsinki 60.1708 N, 24.9375 E
# Helsinki (lng, lat)
hels = [24.9375, 60.1708]
# a point 100 km directly north of Helsinki
pt_N = [24.9375, 61.0701]
# a point 100 km east of Helsinki along its parallel
pt_E = [26.7455, 60.1708]

coords = np.array([pt_N, hels, pt_E])

plt.figure()
plt.plot(coords[:,0], coords[:,1])

# either of these will estimate the "central latitude" of your data
# 1) do the plot, then average the limits of the y-axis    
central_latitude = sum(plt.axes().get_ylim())/2.
# 2) actually average the latitudes in your data
central_latitude = np.average(coords, 0)[1]

# calculate the aspect ratio that will approximate a 
# Mercator projection at this central latitude 
mercator_aspect_ratio = 1/cos(radians(central_latitude))

# set the aspect ratio of the axes to that
plt.axes().set_aspect(mercator_aspect_ratio)

plt.show()