如何從底圖去除美國大陸以外（墨西哥和加拿大境內）的輪廓顏色？

Question

我有一個數據在美國地圖上可視化。我不想在美國以外的國家（西南部的墨西哥和東北部的加拿大境內）使用任何顏色。我怎樣才能從contourf中遮蓋這些區域？請注意，這些狀態邊界是否繪製並不重要。

的代碼是：

import numpy as np 
import matplotlib.pyplot as plt 
from mpl_toolkits.basemap import Basemap, cm, maskoceans 
from scipy.interpolate import griddata 
np.random.seed(77) 



lllat = 24.396308 
lllon = -124.848974 
urlat = 49.384358 
urlon = -66.885444 
m = Basemap(llcrnrlat=lllat, 
urcrnrlat=urlat, 
llcrnrlon=lllon, 
urcrnrlon=urlon, 
resolution='i', projection='cyl') 
m.drawcountries(linewidth=1.0) 
m.drawstates(linewidth=1.0, color='lightgray') 
m.drawlsmask(land_color='gray',ocean_color="#b0c4de", lakes=True) 

#create 100 random latitudes 
lats = np.random.randint(low=lllat-1, high=urlat+1, size=1000) + np.random.ranf(size=1000) 
#create 100 random longitudes 
lons = np.random.randint(low=lllon-1, high=urlon+1, size=1000) + np.random.ranf(size=1000) 
#create 100 random values/probabilities 
probabilities = np.random.random(size=1000) 


#now use meshgrid and contourf to visualize it 
mlon, mlat = m(*(lons, lats)) 
# grid data 
numcols, numrows = 1000, 1000 
xi = np.linspace(mlon.min(), mlon.max(), numcols) 
yi = np.linspace(mlat.min(), mlat.max(), numrows) 

xi, yi = np.meshgrid(xi, yi) 
# interpolate 
x, y, z = mlon, mlat, probabilities 
zi = griddata((mlon, mlat), probabilities, (xi, yi), method='nearest', rescale=False) 
data = maskoceans(xi, yi, zi) 
con = m.contourf(xi, yi, data, cmap=plt.get_cmap('YlOrRd')) 
cbar = m.colorbar(con,location='right',pad="3%") 
plt.show() 

產生以下圖像 注意的顏色以外的美國邊界，我希望他們被移除。

我嘗試從lats和lons中刪除點，這些點在美國並不存在，但仍然以邊界外的某些部分爲輪廓。

我可以用oceanmask掩蓋水域，但無法掩蓋墨西哥和加拿大的這些要點。

注：有循環的解決方案在所有網格點，並設置梓到楠所有那些沒有在美國點，但就是這麼計算成本給予我的實際數據的大小是不是我的解決方案。

Answer 1

我最終在contourf上繪製了墨西哥和加拿大多邊形。從here下載的國家形狀文件。代碼如下：

import numpy as np 
import matplotlib.pyplot as plt 
from mpl_toolkits.basemap import Basemap, cm, maskoceans 
from scipy.interpolate import griddata 
from matplotlib.patches import Polygon as MplPolygon 
import shapefile 
import pdb 
np.random.seed(77) 



lllat = 24.396308 
lllon = -124.848974 
urlat = 49.384358 
urlon = -66.885444 
m = Basemap(llcrnrlat=lllat, 
urcrnrlat=urlat, 
llcrnrlon=lllon, 
urcrnrlon=urlon, 
resolution='i', projection='cyl') 
m.drawcountries(linewidth=1.0) 
m.drawstates(linewidth=1, color='lightgray') 
m.drawcoastlines() 
m.drawlsmask(land_color='gray',ocean_color="#b0c4de", lakes=True) 

#create 100 random latitudes 
lats = np.random.randint(low=lllat-1, high=urlat+1, size=1000) + np.random.ranf(size=1000) 
#create 100 random longitudes 
lons = np.random.randint(low=lllon-1, high=urlon+1, size=1000) + np.random.ranf(size=1000) 
#create 100 random values/probabilities 
probabilities = np.random.random(size=1000) 


#now use meshgrid and contourf to visualize it 
mlon, mlat = m(*(lons, lats)) 
# grid data 
numcols, numrows = 1000, 1000 
xi = np.linspace(mlon.min(), mlon.max(), numcols) 
yi = np.linspace(mlat.min(), mlat.max(), numrows) 

xi, yi = np.meshgrid(xi, yi) 
# interpolate 
x, y, z = mlon, mlat, probabilities 
zi = griddata((mlon, mlat), probabilities, (xi, yi), method='nearest', rescale=False) 
data = maskoceans(xi, yi, zi) 
con = m.contourf(xi, yi, data, cmap=plt.get_cmap('YlOrRd')) 
cbar = m.colorbar(con,location='right',pad="3%") 

world_shp_info = m.readshapefile('./data/CNTR_2014_10M_SH/Data/CNTR_RG_10M_2014','world',drawbounds=False) 

ax = plt.gca() 
for shapedict,state in zip(m.world_info, m.world): 
    if shapedict['CNTR_ID'] not in ['CA', 'MX']: continue 
    poly = MplPolygon(state,facecolor='gray',edgecolor='gray') 
    ax.add_patch(poly) 
plt.show() 

這就是結果。

我認爲應該有一個更明智的做法。