在python3中绘制散点图，其中x轴是以公里为单位的纬度/经度，y轴是深度

问题描述

我试图找到绘制一些数据的最佳方法。基本上我有一个包含纬度、经度、深度、sample_ID、Group_ID 列的数据文件。我想生成一个二维散点图，其中 y 是深度，x 是从北到南的公里距离（或相对于在指定方向采样的第一个站计算横断面距离），类似于 ODV 样式地图下面一个：

更新

我想在我最初的问题中添加更多信息。经过更多的搜索和测试，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，然后可以映射。 (https://www.rdocumentation.org/packages/geosphere/versions/1.5-10/topics/distGeo)

如果有人知道 python 方法来做到这一点，那就太好了！

更新

ODV 不允许我进行我需要的定制。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 列在下面我的文件示例中看到。

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

不过，它给我带来了很多麻烦。我已经使用半正弦计算计算了坐标之间的距离，但是一旦我到达那里，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)

这段代码为我提供了一个坐标距离矩阵，但老实说，我无法弄清楚如何将其拉入散点图，该散点图将 x 轴设置为从北到南。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！

解决方法

对于距离计算，您可以使用 geopy 包，特别是 geopy.distance.geodesic()，通过假设特定椭球来计算沿弧的距离（例如WGS84）。

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（从某个参考纬度/经度到另一个纬度/经度的距离……这不一定是 N-S 分量，但计算起来很容易）。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。

time.Time

和输出数字...

我不确定你想用距离做什么，但从概念上讲，你需要像我所做的那样将你的 x 输出作为一个新列输入到你的数据框中。就组的不同颜色而言，我会使用 { {1}}，因为它们有一个 seaborn 参数。请查看下面第一个散点图的输出，并尝试使用第二个散点图执行的操作：

hue

haversine matplotlib plot python seaborn