一个配合 Matplotlib 和 Cartopy 使用的地图工具箱，主要由 shp 和 plot 模块组成。
shp 模块的功能是：
- 读取中国行政区划数据
- 创建多边形掩膜（mask）
- 对几何对象做投影变换
plot 模块的功能包括：
- 绘制中国行政区划数据。
- 利用行政区划做裁剪（clip）
- 快速设置地图范围和刻度
- 添加南海小图
- 添加风矢量图的图例
- 添加指北针
- 添加比例尺
特色是：
- 自带高德地图行政区划数据
- 可同时用于
Axes或GeoAxes - 对画图速度有优化
- 对裁剪出界问题有优化
暂无文档，但是每个函数都有详细的 docstring，可以在 Python 命令行中通过 help 函数查看，或者在 IDE 中查看。
这个包只是作者自用的小工具集，函数编写粗糙，可能存在不少 bug，还请多多交流指正。类似的更完备的包还请移步 cnmaps、gma 或 EOmaps。
pip install frykit # 安装
pip install -U frykit # 更新
依赖为：
python>=3.9.0
numpy>=1.20.0
cartopy>=0.20.0
pandas>=1.2.0
Python 版本不满足要求时可能装上 frykit==0.2.5，不建议使用。
get_cn_xxx 系列函数能读取中国行政区划，返回 Shapely 多边形对象。具体来说：
get_cn_border：读取国界。get_nine_line：读取九段线。get_cn_province：读取省界。默认返回所有省，也可以通过省名指定单个省或多个省。get_cn_city：读取市界。默认返回所有市。- 通过市名指定单个市或多个市。
- 通过省名指定单个省或多个省包含的所有市。
get_cn_district：读取县界。默认返回所有县。- 通过县名指定单个县或多个县。
- 通过市名指定单个市或多个市包含的所有县。
- 通过省名指定单个省或多个省包含的所有县。
import frykit.shp as fshp
国界 = fshp.get_cn_border()
九段线 = fshp.get_nine_line()
所有省 = fshp.get_cn_province()
安徽省 = fshp.get_cn_province('安徽省')
安徽省, 江苏省 = fshp.get_cn_province(['安徽省', '江苏省'])
所有市 = fshp.get_cn_city()
合肥市 = fshp.get_cn_city('合肥市')
合肥市, 六安市 = fshp.get_cn_city(['合肥市', '六安市'])
安徽省的所有市 = fshp.get_cn_city(province='安徽省')
安徽省和江苏省的所有市 = fshp.get_cn_city(province=['安徽省', '江苏省'])
所有区县 = fshp.get_cn_district()
蜀山区 = fshp.get_cn_district('蜀山区')
蜀山区, 包河区 = fshp.get_cn_district(['蜀山区', '包河区'])
合肥市的所有区县 = fshp.get_cn_district(city='合肥市')
安徽省的所有区县 = fshp.get_cn_district(province='安徽省')除了用字符串名称，也可以用行政区划代码（adcode）查询。不确定名称时可以用以下函数
get_cn_province_namesget_cn_city_namesget_cn_district_names
查询各级行政区划的名称。
行政区划数据来自 高德地图行政区域查询接口，已从 GCJ-02 坐标系处理到了 WGS84 坐标系上。文件都在 frykit.DATA_DIRPATH 指向的目录里。制作方法见 amap-shp。
add_cn_border：绘制国界。add_nine_line：绘制九段线。add_cn_province：绘制省界。add_cn_city：绘制市界。add_cn_district：绘制县界。
另外还提供标注名字的函数：
label_cn_province：标注省名。label_cn_city：标注市名。label_cn_district：标注县名。
画出所有省份，同时用颜色区分京津冀地区：
import matplotlib.pyplot as plt
import frykit.plot as fplt
plt.figure(figsize=(8, 8))
ax = plt.axes(projection=fplt.PLATE_CARREE)
fplt.add_cn_province(ax)
fplt.add_cn_province(ax, ['北京市', '天津市', '河北省'], fc='dodgerblue')
fplt.add_nine_line(ax)
fplt.label_cn_province(ax)
plt.show()
画出北京所有区：
import matplotlib.pyplot as plt
import frykit.plot as fplt
ax = plt.axes(projection=fplt.PLATE_CARREE)
fplt.add_cn_district(ax, province='北京市', fc=plt.cm.Pastel1.colors)
fplt.label_cn_district(ax, province='北京市')
plt.show()
add_cn_border 函数相当于
add_geoms(ax, get_cn_border())底层的 add_geoms 类似 GeoAxes.add_geometries，可以绘制除 Point 外的任意 Shapely 几何对象。
画一个半径为 10 的圆：
import shapely.geometry as sgeom
circle = sgeom.Point(0, 0).buffer(10)
fplt.add_geoms(ax, circle)画自己的 shapefile，用 Cartopy 的 Reader、PyShp 或 Fiona 读取：
from cartopy.io.shapereader import Reader
reader = Reader('2023年_CTAmap_1.12版/2023年县级/2023年县级.shp')
fplt.add_geoms(ax, reader.geometries(), fc='none', ec='k', lw=0.25)画自己的 GeoJSON，用 Shapley 做转换：
import json
import shapely.geometry as sgeom
with open('天地图_行政区划可视化/中国_省.geojson') as f:
geoj = json.load(f)
geoms = [sgeom.shape(feature['geometry']) for feature in geoj['features']]
fplt.add_geoms(ax, geoms, fc='none', ec='k', lw=0.25)通过 array、 cmap 和 norm 参数还能实现类似分省填色的效果（详见 fill.py）。
add_geoms 默认直接用 pyproj 做地图投影变换，速度更快但也更容易出现错误的效果。可以指定参数 fast_transform=False，切换成更正确但速度更慢的模式。或者直接换用 GeoAxes.add_geometries。
这里 Artist 泛指 Matplotlib 里 contourf、 pcolormesh、 imshow、 quiver、 scatter 等方法返回的对象。
clip_by_cn_border：用国界裁剪。clip_by_cn_province：用省界裁剪。clip_by_cn_city：用市界裁剪。clip_by_cn_district：用县界裁剪。clip_by_polygon：用任意多边形裁剪。
用国界裁剪 contourf 的例子：
import matplotlib.pyplot as plt
import frykit.plot as fplt
crs = fplt.PLATE_CARREE
ax = plt.axes(projection=crs)
fplt.add_cn_province(ax)
fplt.add_nine_line(ax)
data = fplt.load_test_data()
cf = ax.contourf(
data['longitude'],
data['latitude'],
data['t2m'],
levels=20,
cmap='rainbow',
transform=crs
)
fplt.clip_by_cn_border(cf)
plt.show()
多省裁剪直接传入列表即可：
jingjinji = ['北京市', '天津市', '河北省']
fplt.clip_by_polygon(cf, jingjinji)裁剪是在画图阶段从视觉效果上屏蔽多边形外的数据，而掩膜则是在数据处理阶段对多边形外的数据进行处理，例如设为缺测。
border = fshp.get_cn_border()
mask = fshp.polygon_to_mask(border, lon, lat)
data[~mask] = np.nan
ax.contourf(lon, lat, data)GeoAxes 设置地图范围和刻度需要以下步骤：
import numpy as np
from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter
crs = fplt.PLATE_CARREE
ax.set_extent((70, 140, 0, 60), crs=crs)
ax.set_xticks(np.arange(70, 141, 10), crs=crs)
ax.set_yticks(np.arange(0, 61, 10), crs=crs)
ax.xaxis.set_major_formatter(LongitudeFormatter())
ax.yaxis.set_major_formatter(LatitudeFormatter())set_map_ticks 函数可以将这段简化成一行：
fplt.set_map_ticks(ax, (70, 140, 0, 60), dx=10, dy=10)会自动根据经度间隔和纬度间隔生成刻度，并加上度数和东南西北的符号。另外还可以：
- 用
xticks和yticks显式指定刻度。 - 用
mx和my参数指定次刻度的数量。 - 适用于非等经纬度投影。
对于非等经纬度投影的
GeoAxes，如果显示范围不是矩形，或者范围跨越了 180 度经线，该函数可能产生错误的效果。
在右下角添加一个白色矩形背景的风矢量图例：
Q = ax.quiver(x, y, u, v, transform=crs)
fplt.add_quiver_legend(Q, U=10, width=0.15, height=0.12)fplt.add_compass(ax, 0.95, 0.8, size=15)指北针的位置基于 Axes 坐标系。 ax 是 GeoAxes 时指北针会自动指向所在位置处的北向，也可以通过 angle 参数手动指定角度。
scale_bar = fplt.add_scale_bar(ax1, 0.36, 0.8, length=1000)
scale_bar.set_xticks([0, 500, 1000])比例尺的长度通过采样 GeoAxes 中心处单位长度对应的地理距离得出。比例尺对象类似 Axes，可以用 set_xticks 等方法进一步修改样式。
mini_ax = fplt.add_mini_axes(ax)
mini_ax.set_extent((105, 120, 2, 25), crs=crs)
fplt.add_cn_province(mini_ax)
fplt.add_nine_line(mini_ax)小地图默认使用大地图的投影，会自动定位到大地图的角落，无需像 add_axes 那样需要反复调整位置。
fplt.add_frame(ax)添加类似 GMT 风格的黑白相间格子的边框。目前仅支持等经纬度或墨卡托投影的 GeoAxes。
构造一个颜色对应一个刻度的 colorbar：
colors = [
'orangered',
'orange',
'yellow',
'limegreen',
'royalblue',
'darkviolet'
]
cmap, norm, ticks = fplt.get_qualitative_palette(colors)
cbar = fplt.plot_colormap(cmap, norm)
cbar.set_ticks(ticks)
cbar.set_ticklabels(colors)构造零值所在区间对应白色的 colorbar：
import cmaps
boundaries = [-10, -5, -2, -1, 1, 2, 5, 10, 20, 50, 100]
norm = fplt.CenteredBoundaryNorm(boundaries)
cbar = fplt.plot_colormap(cmaps.BlueWhiteOrangeRed, norm)
cbar.set_ticks(boundaries)
测试内容：在等距方位投影的 GeoAxes 上绘制 frykit 自带的行政区划数据，分国、省、市、县四种，同时按 GeoAxes 的范围分全国和东南小区域两种。绘制四次运行的耗时，结果如上图所示。
- frykit 模仿 Cartopy 实现了缓存机制，所以都是第一次画图耗时最长，后续三次会快很多。
- Cartopy 首次画省图要 10 秒，市图要 40 秒，县图要 70 秒；而 frykit 都在 3 秒以内。
- Cartopy 0.23 在小区域画图时仍然会画出区域外的所有内容，所以耗时相比 0.22 反而大幅倒退。frykit 对此也有优化。
顺带一提 frykit 的 add_texts 也有优化，比用循环调用 ax.text 更快。
工具箱的原理和使用场景可见下面几篇博文：
- Cartopy 系列：画中国地图的工具箱 frykit
- Cartopy 系列：探索 shapefile
- Cartopy 系列：裁剪填色图出界问题
- Cartopy 添加南海小地图的三种方法
- Matplotlib 系列：colormap 的设置
- CALIPSO L2 VFM 产品的读取和绘制（with Python）
包的 example 目录里有更复杂的示例脚本：
