在 python3 中绘制散点图，其中 x 轴为 latitude/longitude 公里，y 轴为深度
Plotting a scatter plot in python3 where x axis is latitude/longitude in km and y axis is depth
我正在尝试找到绘制一些数据的最佳方法。基本上我有一个数据文件，其中包含纬度、经度、深度、sample_ID、Group_ID 列。我想生成一个二维散点图，其中 y 是深度，x 是以公里为单位的从北到南的距离（或者相对于在指定方向采样的第一个站点计算横断面距离），类似于 ODV 样式地图下面的那个：
已更新
我想为我最初的问题添加更多信息。经过更多的搜索和测试后，我在 R 中找到了一个可能的解决方案，使用 geosphere 包和 distGEO 函数将我的坐标转换为以公里为单位的距离，然后可以对其进行映射。 (https://www.rdocumentation.org/packages/geosphere/versions/1.5-10/topics/distGeo)
如果有人知道 python 方法，那就太好了！
已更新
ODV 不允许我进行我需要的自定义。我想生成一个这样的图，我可以在其中指定元数据变量来为点着色。更具体地说，我的数据文件中的 group_ID 列在下面的文件示例中看到。
Latitude Longitude Depth_m Sample_ID Group_ID
49.7225 -42.4467 10 S1 1
49.7225 -42.4467 50 S2 1
49.7225 -42.4467 75 S3 1
49.7225 -42.4467 101 S4 1
49.7225 -42.4467 152 S5 1
49.7225 -42.4467 199 S6 1
46.312 -39.658 10 S7 2
46.312 -39.658 49 S8 2
46.312 -39.658 73 S9 2
46.312 -39.658 100 S10 2
46.312 -39.658 153 S11 2
46.312 -39.658 198 S12 2
虽然我一直在试图弄清楚它，但它给我带来了很多麻烦。我已经使用 haversine 计算计算了坐标之间的距离，但是一旦到达那里，我不确定如何使用这些距离合并到散点图中。这是我目前所拥有的：
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
#import haversine as hs
from math import radians
from sklearn.neighbors import DistanceMetric
df=pd.read_csv("locations.csv",sep="\t",index_col="Sample_ID")
#plt.scatter(df['Latitude'], df['Depth_m'])
#plt.show()
df['Latitude'] = np.radians(df['Latitude'])
df['Longitude'] = np.radians(df['Longitude'])
dist = DistanceMetric.get_metric('haversine')
x = dist.pairwise(np.unique(df[['Latitude','Longitude']].to_numpy(),axis=0))*6373
print(x)
此代码为我提供了坐标距离矩阵，但老实说，我不知道如何获取它并将其拉入从北到南设置 x 轴的散点图。特别是因为必须考虑具有相同坐标的多个深度。非常感谢任何帮助绘图！
我不确定你想用距离做什么，但从概念上讲，你需要将你的 x 输出作为一个新列放入你的数据框中，因为我有 done.In 为组使用不同颜色的条款，我会为此使用 seaborn，因为它们有一个 hue 参数。请查看下面第一个散点图的输出，并尝试对第二个散点图执行的操作：
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
from math import radians
from sklearn.neighbors import DistanceMetric
import seaborn as sns
fig, ax = plt.subplots(nrows=2)
sns.scatterplot(data=df, x='Latitude', y='Depth_m', hue='Group_ID', ax=ax[0])
df['Latitude'] = np.radians(df['Latitude'])
df['Longitude'] = np.radians(df['Longitude'])
dist = DistanceMetric.get_metric('haversine')
df['Distance'] = (dist.pairwise(df[['Latitude','Longitude']].to_numpy())*6373)[0]
sns.scatterplot(data=df, x='Distance' , y='Depth_m', hue='Group_ID', ax=ax[1])
plt.show()
对于距离计算，您可以使用 geopy 包，特别是 geopy.distance.geodesic()，来计算距离通过假设特定的椭圆体（例如 WGS84）沿着弧线。
要生成类似于您所描述的图，您可以使用 matplotlib 库的散点图功能，特别是 matplotlib.pyplot.scatter().
下面的代码示例将引导您完成距离计算（从某个参考 lat/long 到另一个 lat/long 的距离...这不一定是 N-S 组件，但它很容易计算）。以及如何使用 Group_ID 字段生成散点图以使用两种方法为点着色。
import matplotlib.pyplot as plt
import geopy
import pandas as pd
# Load your sample data to a Pandas DataFrame where each column corresponds to
# 'Latitude', 'Longitude', 'Depth_m', 'Sample_ID', 'Group_ID'
datafile = r'<path to a file containing your data>'
df = pd.read_csv(datafile)
# Defining one end of our arc to calculate distance along (arbitrarily taking
# the first point in the example data as the reference point).
ref_point = (df['Latitude'].iloc[0], df['Longitude'].iloc[0])
# Loop over each sample location calculating the distance along the arc using
# pygeo.distance.geodesic function.
dist = []
for i in range(len(df)):
cur_point = (df['Latitude'].iloc[i], df['Longitude'].iloc[i])
cur_geodesic = geopy.distance.geodesic(ref_point, cur_point)
cur_dist = cur_geodesic.km
dist.append(cur_dist)
# Add computed distances to the df DataFrame as column 'Distance_km'
df['Distance_km'] = dist
# Create a matplotlib figure and add two axes for plotting
fig = plt.figure()
ax1 = fig.add_subplot(211)
ax2 = fig.add_subplot(212)
# Example 1: of creating a scatter plot using the calculated distance field and
# colouring the points using a numeric field (i.e. Group_ID in this case is numeric)
pts = ax1.scatter(df['Distance_km'], df['Depth_m'], s=30, c=df['Group_ID'], cmap=plt.cm.jet)
plt.colorbar(pts, ax=ax1)
ax1.set_xlabel('Arc Distance from Reference Point (km)')
ax1.set_ylabel('Depth (m)')
ax1.set_title('Colouring Points by a Numeric Field')
ax1.invert_yaxis()
ax1.grid(True)
# Example of creating basically the same scatter plot as above but handling the
# case of non-numeric values in the field to be used for colour (e.g. imagine
# wanting to the the Sample_ID field instead)
groups = list(set(df['Group_ID'])) # get a list of the unique Group_ID values
for gid in groups:
df_tmp = df[df['Group_ID'] == gid]
ax2.scatter(df_tmp['Distance_km'], df_tmp['Depth_m'], s=30, label=gid)
ax2.legend(loc='upper center', title='Legend')
ax2.set_xlabel('Arc Distance from Reference Point (km)')
ax2.set_ylabel('Depth (m)')
ax2.set_title('Colouring Points with Using Categorical Values')
ax2.invert_yaxis()
ax2.grid(True)
fig.tight_layout()
plt.show()
以及输出图...
我正在尝试找到绘制一些数据的最佳方法。基本上我有一个数据文件，其中包含纬度、经度、深度、sample_ID、Group_ID 列。我想生成一个二维散点图，其中 y 是深度，x 是以公里为单位的从北到南的距离（或者相对于在指定方向采样的第一个站点计算横断面距离），类似于 ODV 样式地图下面的那个：
已更新
我想为我最初的问题添加更多信息。经过更多的搜索和测试后，我在 R 中找到了一个可能的解决方案，使用 geosphere 包和 distGEO 函数将我的坐标转换为以公里为单位的距离，然后可以对其进行映射。 (https://www.rdocumentation.org/packages/geosphere/versions/1.5-10/topics/distGeo)
如果有人知道 python 方法，那就太好了！
已更新
ODV 不允许我进行我需要的自定义。我想生成一个这样的图，我可以在其中指定元数据变量来为点着色。更具体地说，我的数据文件中的 group_ID 列在下面的文件示例中看到。
Latitude Longitude Depth_m Sample_ID Group_ID
49.7225 -42.4467 10 S1 1
49.7225 -42.4467 50 S2 1
49.7225 -42.4467 75 S3 1
49.7225 -42.4467 101 S4 1
49.7225 -42.4467 152 S5 1
49.7225 -42.4467 199 S6 1
46.312 -39.658 10 S7 2
46.312 -39.658 49 S8 2
46.312 -39.658 73 S9 2
46.312 -39.658 100 S10 2
46.312 -39.658 153 S11 2
46.312 -39.658 198 S12 2
虽然我一直在试图弄清楚它，但它给我带来了很多麻烦。我已经使用 haversine 计算计算了坐标之间的距离，但是一旦到达那里，我不确定如何使用这些距离合并到散点图中。这是我目前所拥有的：
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
#import haversine as hs
from math import radians
from sklearn.neighbors import DistanceMetric
df=pd.read_csv("locations.csv",sep="\t",index_col="Sample_ID")
#plt.scatter(df['Latitude'], df['Depth_m'])
#plt.show()
df['Latitude'] = np.radians(df['Latitude'])
df['Longitude'] = np.radians(df['Longitude'])
dist = DistanceMetric.get_metric('haversine')
x = dist.pairwise(np.unique(df[['Latitude','Longitude']].to_numpy(),axis=0))*6373
print(x)
此代码为我提供了坐标距离矩阵，但老实说，我不知道如何获取它并将其拉入从北到南设置 x 轴的散点图。特别是因为必须考虑具有相同坐标的多个深度。非常感谢任何帮助绘图！
我不确定你想用距离做什么，但从概念上讲，你需要将你的 x 输出作为一个新列放入你的数据框中，因为我有 done.In 为组使用不同颜色的条款，我会为此使用 seaborn，因为它们有一个 hue 参数。请查看下面第一个散点图的输出，并尝试对第二个散点图执行的操作：
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
from math import radians
from sklearn.neighbors import DistanceMetric
import seaborn as sns
fig, ax = plt.subplots(nrows=2)
sns.scatterplot(data=df, x='Latitude', y='Depth_m', hue='Group_ID', ax=ax[0])
df['Latitude'] = np.radians(df['Latitude'])
df['Longitude'] = np.radians(df['Longitude'])
dist = DistanceMetric.get_metric('haversine')
df['Distance'] = (dist.pairwise(df[['Latitude','Longitude']].to_numpy())*6373)[0]
sns.scatterplot(data=df, x='Distance' , y='Depth_m', hue='Group_ID', ax=ax[1])
plt.show()
对于距离计算，您可以使用 geopy 包，特别是 geopy.distance.geodesic()，来计算距离通过假设特定的椭圆体（例如 WGS84）沿着弧线。
要生成类似于您所描述的图，您可以使用 matplotlib 库的散点图功能，特别是 matplotlib.pyplot.scatter().
下面的代码示例将引导您完成距离计算（从某个参考 lat/long 到另一个 lat/long 的距离...这不一定是 N-S 组件，但它很容易计算）。以及如何使用 Group_ID 字段生成散点图以使用两种方法为点着色。
import matplotlib.pyplot as plt
import geopy
import pandas as pd
# Load your sample data to a Pandas DataFrame where each column corresponds to
# 'Latitude', 'Longitude', 'Depth_m', 'Sample_ID', 'Group_ID'
datafile = r'<path to a file containing your data>'
df = pd.read_csv(datafile)
# Defining one end of our arc to calculate distance along (arbitrarily taking
# the first point in the example data as the reference point).
ref_point = (df['Latitude'].iloc[0], df['Longitude'].iloc[0])
# Loop over each sample location calculating the distance along the arc using
# pygeo.distance.geodesic function.
dist = []
for i in range(len(df)):
cur_point = (df['Latitude'].iloc[i], df['Longitude'].iloc[i])
cur_geodesic = geopy.distance.geodesic(ref_point, cur_point)
cur_dist = cur_geodesic.km
dist.append(cur_dist)
# Add computed distances to the df DataFrame as column 'Distance_km'
df['Distance_km'] = dist
# Create a matplotlib figure and add two axes for plotting
fig = plt.figure()
ax1 = fig.add_subplot(211)
ax2 = fig.add_subplot(212)
# Example 1: of creating a scatter plot using the calculated distance field and
# colouring the points using a numeric field (i.e. Group_ID in this case is numeric)
pts = ax1.scatter(df['Distance_km'], df['Depth_m'], s=30, c=df['Group_ID'], cmap=plt.cm.jet)
plt.colorbar(pts, ax=ax1)
ax1.set_xlabel('Arc Distance from Reference Point (km)')
ax1.set_ylabel('Depth (m)')
ax1.set_title('Colouring Points by a Numeric Field')
ax1.invert_yaxis()
ax1.grid(True)
# Example of creating basically the same scatter plot as above but handling the
# case of non-numeric values in the field to be used for colour (e.g. imagine
# wanting to the the Sample_ID field instead)
groups = list(set(df['Group_ID'])) # get a list of the unique Group_ID values
for gid in groups:
df_tmp = df[df['Group_ID'] == gid]
ax2.scatter(df_tmp['Distance_km'], df_tmp['Depth_m'], s=30, label=gid)
ax2.legend(loc='upper center', title='Legend')
ax2.set_xlabel('Arc Distance from Reference Point (km)')
ax2.set_ylabel('Depth (m)')
ax2.set_title('Colouring Points with Using Categorical Values')
ax2.invert_yaxis()
ax2.grid(True)
fig.tight_layout()
plt.show()
以及输出图...