Lat, Lon, значения CSV в растровую карту с использованием Python - PullRequest
Новая
       31

Lat, Lon, значения CSV в растровую карту с использованием Python

0 голосов
/ 04 сентября 2018

Если у меня есть набор данных CSV с полями Lat, Lon и Value, каков наилучший подход к созданию растровой карты с использованием python? Поле растра Z может быть любым столбцом в этой таблице. 

L5  L6  L7  L8  L9  L10 L11 L12 L13 L14 LAT LON
3.571732    1.338448    0   9.96921E+36 -3.482845   -1.42944    133.229919  141.246002  67.685631   5.059844    24.335797   -95.088764
3.571732    1.338448    0   9.96921E+36 -3.420345   -1.42944    132.749512  140.641464  67.318848   5.105563    24.335107   -95.060013
3.571732    1.338448    0   9.96921E+36 -3.420345   -1.42944    132.230164  140.047211  67.318848   5.063346    24.334408   -95.031263
3.571732    1.338448    0   9.96921E+36 -3.420345   -1.42944    132.230164  139.463104  67.318848   5.063346    24.333701   -95.002512
3.509232    1.369698    0   9.96921E+36 -3.357845   -1.42944    131.702133  137.82196   66.940475   5.021552    24.332986   -94.973763
3.509232    1.369698    0   9.96921E+36 -3.357845   -1.49194    131.702133  137.26651   66.043732   5.021552    24.332263   -94.945013
3.509232    1.369698    0   9.96921E+36 -3.357845   -1.49194    131.165268  136.72081   66.043732   4.980192    24.331531   -94.916265
3.509232    1.338448    0   9.96921E+36 -3.357845   -1.49194    131.165268  136.184738  66.043732   4.980192    24.330792   -94.887516

Имейте в виду, это массивы

1 Ответ

0 голосов
/ 04 сентября 2018

Есть два варианта в зависимости от ваших координат широты и долготы. Когда координаты Lat, Lon образуют эквидистантную сетку, вы можете использовать эту первую опцию, иначе вы можете использовать вторую опцию ниже.

первый вариант

Я создаю массив ниже со значениями в первом столбце и Lat, Lon во 2-м и 3-м столбцах: 

import numpy as np

lat = np.arange(0, 15, 5)
lon = np.arange(0, 10, 5)
val = np.random.randint(0,10, size =len(lat)*len(lon))
xx, yy = np.meshgrid(lon, lat)
array = np.array([val,  yy.ravel(), xx.ravel()]).T
print(array)

>>> array([[ 7,  0,  0],
           [ 8,  0,  5],
           [ 7,  5,  0],
           [ 3,  5,  5],
           [ 2, 10,  0],
           [ 8, 10,  5]])

Когда ваши координаты Lat, Lon аккуратно отсортированы, вы можете изменить значения, чтобы получить массив сетки, подобный этому: 

no_lon = len(np.unique(array[:,-1]))
no_lat = len(np.unique(array[:,-2]))
grid_array = array[:,0].reshape((no_lat,no_lon))[::-1]
print(grid_array)
>>> array([[2, 8],
           [7, 3],
           [7, 8]])

второй вариант

Если у вас есть несколько случайных лат, Лон координирует со значениями, подобными тем, которые созданы здесь: 

array = np.random.randint(0,10, size =(6,3))
print(array)
>>> array([[9 6 0]
           [7 8 8]
           [6 0 9]
           [7 7 4]
           [2 4 3]
           [0 2 9]])

Вы можете преобразовать это в сетку с помощью интерполяции, например так: 

from scipy import interpolate

lon_list = np.arange(3, 6, 1)
lat_list = np.arange(4, 8, 1)

lon_2d, lat_2d = np.meshgrid(lon_list, lat_list)
grid_array = interpolate.griddata((array[:,-1], array[:,-2]), array[:,0],
                                  (lon_2d, lat_2d))[::-1]
print(grid_array)

>>> [[  nan  7.    6.72]
     [ 6.    5.4   5.6 ]
     [ 4.    3.8   4.  ]
     [ 2.    2.2   2.4 ]]

Обратите внимание, что вы получите значения нан, если ваши ячейки сетки не находятся в пределах ваших точек.

Вы можете визуализировать результаты, используя plt.imshow 

import matplotlib.pyplot as plt
plt.imshow(grid_array)
...