import netCDF4 as nc import numpy as np from netCDF4 import Dataset import matplotlib.pyplot as plt from matplotlib.cm import get_cmap from matplotlib.colors import from_levels_and_colors import cartopy.crs as crs import cartopy.feature as cfeature from cartopy.feature import NaturalEarthFeature import cartopy.crs as ccrs import cartopy.feature as cfeature from wrf import (to_np, getvar, smooth2d, get_cartopy, cartopy_xlim, cartopy_ylim, latlon_coords) import warnings warnings.filterwarnings('ignore') file = 'D:/transfer/wrfout_d01_2016-03-01_00_00_00' ncfile = Dataset("D:/transfer/wrfout_d01_2016-03-01_00_00_00") dataset = nc.Dataset(file) latitude = dataset.variables['XLAT'][0][:] longitude = dataset.variables['XLONG'][0][:] co = dataset.variables['co'][1][1][:][:] co1 = getvar(ncfile, "co") cart_proj = get_cartopy(co1) plt.contourf(longitude,latitude, co, levels=38, cmap='hot',projection=cart_proj) plt.colorbar() # 创建一个投影 ax = plt.axes(projection=cart_proj) # 添加底图特征 ax.add_feature(cfeature.COASTLINE) ax.add_feature(cfeature.BORDERS) # 设置地图范围 ax.set_extent([90, 110, 0, 30],) plt.show()

以下是一个可能的代码优化方案：

1. 删除未使用的库和模块

在代码中，导入了一些未使用的库和模块，包括numpy、get_cmap、from_levels_and_colors等，可以将其删除以减少代码量。

2. 删除重复导入的库和模块

在代码中，导入了多个相同的库和模块，包括cartopy、cartopy.crs、cartopy.feature，可以将其合并为一个导入语句。

3. 优化变量的命名和赋值

在代码中，一些变量的命名不够直观，例如co、co1等，可以改为更具有描述性的名称。另外，一些变量的赋值方式可以简化为一行。

4. 简化图形绘制代码

在代码中，图形绘制的代码比较冗长，可以简化为一行或者几行，同时可以将一些公共的参数提取出来作为全局变量，以便后续的绘图。

综上所述，以下是一个可能的优化后的代码：

import netCDF4 as nc
import cartopy.crs as ccrs
import cartopy.feature as cfeature
from netCDF4 import Dataset
from wrf import to_np, getvar, get_cartopy

warnings.filterwarnings('ignore')

file = 'D:/transfer/wrfout_d01_2016-03-01_00_00_00'
ncfile = Dataset(file)

latitude = ncfile.variables['XLAT'][0][:]
longitude = ncfile.variables['XLONG'][0][:]
co = ncfile.variables['co'][1][1][:][:]
cart_proj = get_cartopy(getvar(ncfile, "co"))

plt.contourf(longitude, latitude, co, levels=38, cmap='hot', projection=cart_proj)
plt.colorbar()

ax = plt.axes(projection=cart_proj)
ax.set_extent([90, 110, 0, 30])

ax.add_feature(cfeature.COASTLINE)
ax.add_feature(cfeature.BORDERS)

plt.show()