Python 使用插值法绘制经纬度和风速数据图

首先需要导入一些需要的库，如下所示：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import griddata

然后读取 csv 文件，可以使用 pandas 库的 read_csv 函数：

data = pd.read_csv('data.csv')

接下来，我们需要将经纬度和风速大小的数据进行处理，将其转换为网格形式，方便后续的内插处理。首先需要确定网格的范围和精度，可以使用 numpy 库的 linspace 函数来生成网格坐标：

lon_range = np.linspace(data['经度'].min(), data['经度'].max(), 100)
lat_range = np.linspace(data['纬度'].min(), data['纬度'].max(), 100)
lon_grid, lat_grid = np.meshgrid(lon_range, lat_range)

接着，我们将经纬度坐标和风速大小分别存储在 numpy 数组中：

lon = data['经度'].values
lat = data['纬度'].values
wind_speed = data['风速大小'].values

然后使用 scipy 库的 griddata 函数进行内插处理，得到网格化后的风速大小数据：

wind_speed_grid = griddata((lon, lat), wind_speed, (lon_grid, lat_grid), method='cubic')

最后，可以使用 matplotlib 库的 imshow 函数将网格化后的风速大小数据可视化出来：

plt.imshow(wind_speed_grid, extent=(lon_range.min(), lon_range.max(), lat_range.min(), lat_range.max()))
plt.colorbar()
plt.show()

完整的代码如下所示：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import griddata

data = pd.read_csv('data.csv')

lon_range = np.linspace(data['经度'].min(), data['经度'].max(), 100)
lat_range = np.linspace(data['纬度'].min(), data['纬度'].max(), 100)
lon_grid, lat_grid = np.meshgrid(lon_range, lat_range)

lon = data['经度'].values
lat = data['纬度'].values
wind_speed = data['风速大小'].values

wind_speed_grid = griddata((lon, lat), wind_speed, (lon_grid, lat_grid), method='cubic')

plt.imshow(wind_speed_grid, extent=(lon_range.min(), lon_range.max(), lat_range.min(), lat_range.max()))
plt.colorbar()
plt.show()