夏天一到，沿海地区经常会遭到台风的袭扰，可谓苦不堪言。
之前在公众号做过一个关于我国历史台风统计的可视化展示，发现很多有趣的数据，比如说台风登陆最多的城市是湛江。
大家可以去翻看历史文章，附有完整代码和数据，有兴趣做些可视化探索。
这次的文章不研究台风数据，而是尝试用Python来绘制台风路径。
主要第三方库
用到的主要工具包有pandas、numpy、matplotlib、cartopy、shapely，前三个库大家可能都熟悉，下面介绍下后两个库的使用场景。
cartopy：基于matplotlib的python地理数据处理和可视化库，本文会用来展示地图
shapely: 是一个对几何对象进行操作和分析的Python库，本文用来处理点线数据
- cartopy文档：https://scitools.org.uk/cartopy/docs/latest/
- shapely文档：https://shapely.readthedocs.io/en/stable/
台风路径数据
本文用到的数据是我国2017年所有台风路径，包含了时间、经纬度、强度等关键信息。
由于数据来源网络，没法追溯真实性，仅供练习。
原始数据比较乱，我重新处理了方便使用：
可以看到共有7个字段：
台风编号：我国热带气旋编号
日期：具体时间
强度：0~9
纬度：单位0.1度
经度：单位0.1度
中心气压：hPa
中心最大风速：m/s
绘制地图
台风路径需要在地图上展示，那么如何获取地图呢？
方式有很多种，既可以用离线的GeoJson数据，也可以用JPG图片，或者第三方库提供的地图。
我这里用的是cartopy内置的地图数据，可以很方便的修改配置属性。
首先导入本次会用到的所有库：
# cartopy：用来获取地图
import cartopy.crs as ccrs
import cartopy.feature as cfeature
# matplotlib：用来绘制图表
import matplotlib.pyplot as plt
# shapely：用来处理点线数据
import shapely.geometry as sgeom
import warnings
import re
import numpy as np
import pandas as pd
warnings.filterwarnings('ignore')
plt.rcParams['font.sans-serif'] = [u'SimHei']
plt.rcParams['axes.unicode_minus'] = False
获取我国沿海区域地图：
# 通过cartopy获取底图
fig = plt.figure(figsize=(10,10))
ax = fig.add_subplot(1, 1, 1, projection=ccrs.PlateCarree())
# 用经纬度对地图区域进行截取，这里只展示我国沿海区域
ax.set_extent([85,170,-20,60], crs=ccrs.PlateCarree())
# 设置名称
ax.set_title('2017年台风路径图',fontsize=16)
# 设置地图属性，比如加载河流、海洋
ax.add_feature(cfeature.LAND)
ax.add_feature(cfeature.OCEAN)
ax.add_feature(cfeature.COASTLINE)
ax.add_feature(cfeature.RIVERS)
ax.add_feature(cfeature.COASTLINE)
ax.add_feature(cfeature.LAKES, alpha=0.5)
# 展示地图
plt.show()
处理数据并可视化
先加载数据：
typhoonData = pd.read_csv('typhoonData.csv')
这个数据集包含了30个台风路径，所以后面要分别进行可视化。
再对数据进行处理，依次提取单个台风路径及其经纬度。
# 先对台风编号进行循环，提取单个台风数据
for typhoonNumber in typhoonData['台风编号'].unique():
typhoon = typhoonData[typhoonData['台风编号']==typhoonNumber]
# 再对单个台风数据进行处理，提取经纬度
for typhoonPoint in np.arange(len(typhoon)-1):
lat_1 = typhoon.iloc[typhoonPoint,3]/10
lon_1 = typhoon.iloc[typhoonPoint,4]/10
lat_2 = typhoon.iloc[typhoonPoint+1,3]/10
lon_2 = typhoon.iloc[typhoonPoint+1,4]/10
point_1 = lon_1,lat_1
point_2 = lon_2,lat_2
# 最后可视化
ax.add_geometries([sgeom.LineString([point_1,point_2])],crs=ccrs.PlateCarree(),edgecolor='red')
# 展示图像
plt.show()
能看到所有台风路径都被描绘出来了。
但这里没有区别显示台风强度，一般是在.add_geometries()方法中添加参数调整。
有两种方式：
- 用颜色区别：不同颜色代表不同强度，参数-edgecolor
- 用线条粗细区别：越粗则强度越高，参数-linewidth
- 颜色区分
# 按强度区分颜色
def get_color(level):
if level in (0,1):
color='#ff00ff'
elif level in (2,3):
color='#ff00cc'
elif level in (4,5):
color='#ff0066'
elif level in (6,7):
color='#ff0033'
elif level in (8,9):
color='#ccff00'
return color
# 先对台风编号进行循环，提取单个台风数据
for typhoonNumber in typhoonData['台风编号'].unique():
typhoon = typhoonData[typhoonData['台风编号']==typhoonNumber]
# 再对单个台风数据进行处理，提取经纬度
for typhoonPoint in np.arange(len(typhoon)-1):
lat_1 = typhoon.iloc[typhoonPoint,3]/10
lon_1 = typhoon.iloc[typhoonPoint,4]/10
lat_2 = typhoon.iloc[typhoonPoint+1,3]/10
lon_2 = typhoon.iloc[typhoonPoint+1,4]/10
point_1 = lon_1,lat_1
point_2 = lon_2,lat_2
# 最后可视化，添加颜色参数
ax.add_geometries([sgeom.LineString([point_1,point_2])],crs=ccrs.PlateCarree(),edgecolor=get_color(typhoon.iloc[typhoonPoint,2]))
# 展示图像
plt.show()
- 线条粗细区分
# 先对台风编号进行循环，提取单个台风数据
for typhoonNumber in typhoonData['台风编号'].unique():
typhoon = typhoonData[typhoonData['台风编号']==typhoonNumber]
# 再对单个台风数据进行处理，提取经纬度
for typhoonPoint in np.arange(len(typhoon)-1):
lat_1 = typhoon.iloc[typhoonPoint,3]/10
lon_1 = typhoon.iloc[typhoonPoint,4]/10
lat_2 = typhoon.iloc[typhoonPoint+1,3]/10
lon_2 = typhoon.iloc[typhoonPoint+1,4]/10
point_1 = lon_1,lat_1
point_2 = lon_2,lat_2
# 最后可视化
ax.add_geometries([sgeom.LineString([point_1,point_2])],crs=ccrs.PlateCarree(),linewidth = typhoon.iloc[typhoonPoint,2],edgecolor='red')
# 展示图像
plt.show()
最后
上文用比较简单的方式绘制了台风路径图，大家可以尝试换个三维地图，或者用动态显示台风走势...
玩法挺多的，赶紧尝试尝试吧。
