Cartopy：Python 画地图的工具，投影问题不用自己算了

Cartopy：Python 画地图的工具，投影问题不用自己算了

Cartopy 在 GitHub 上目前有 1,604 Star。Star 数不算高，但这个库在气象和海洋数据领域几乎是标配。

SciTools 团队维护了这个项目，英国气象局（Met Office）也在参与开发和资金支持。BSD 协议开源，商业项目可自由集成。

1、为什么需要它

在 Python 里处理地理数据并画到地图上，一直是个麻烦事。

Matplotlib 本身不处理投影。给一组经纬度坐标，你要自己决定用什么投影、怎么映射到屏幕坐标。如果换一种投影，全部重算。更麻烦的是海岸线、国界这些底图数据，需要自己找、自己下载、自己解析格式。

Cartopy 把这套基础设施做好了。指定投影、添加地理特征、绘制数据层，三步完成。不需要自己处理投影公式，也不需要操心地理数据从哪里下载。

适合的使用场景很明确：手里有经纬度数据，想画到地图上，并且要保证投影正确。

2、核心功能拆解

投影定义是 Cartopy 最核心的部分。它用面向对象的方式封装了常见投影类型，包括墨卡托、兰勃特、极射赤面等等。每种投影的参数可以直接传入，不需要手动算变换矩阵。

坐标变换方面，点、线、面数据都可以在不同投影之间转换。比如数据源用的是 WGS84 经纬度，出图要用兰勃特投影，Cartopy 自动做插值和映射。这种变换过程封装在底层，调用方不需要理解投影算法的数学细节。

矢量数据处理是另一个亮点。通过集成的 Shapefile 和 Shapely 支持，可以直接加载 shapefile 格式的地理边界数据，减少数据预处理的工作量。加载国界、海岸线、河流等常见地理要素都在内置数据范围内，不需要额外寻找数据源。

3、实际效果

配合 Matplotlib 使用时，Cartopy 暴露的绘图接口和 Matplotlib 原生风格一致。学会 Matplotlib 基础用法后，切换到 Cartopy 几乎没有额外学习成本。

4、安装

通过 conda-forge 安装是最稳定的方式：

conda install cartopy

5、适合的使用场景

气象数据分析，包括温度场、气压场、风场的空间分布可视化。海洋学研究，比如洋流路径、海面温度分布。地理数据处理，涉及行政区划、人口密度、交通路网的空间展示。

如果你是做科学计算和地理信息相关的开发，Cartopy 值得放进工具集。一个库解决投影、变换、底图三个问题，省下的时间可以专注在数据分析本身。项目文档完善，社区活跃度稳定，遇到问题在 StackOverflow 或 Matplotlib Discourse 上都能找到讨论。

StackOverflow 或 Matplotlib Discourse 上都能找到讨论。