Atelier_D_carte.md

+##  **(:warning: en construction ! :construction: :construction_worker: ) **
+
+## Premier contact avec *plt.matshow*, sur une matrice simple
+Un premier contact avec la méthode plt.imshow ou plt.matshow, où on passe juste une matrice (ici, une liste de listes).
+
+```python
+from matplotlib import pyplot as plt
+plt.matshow([[1, 2, 30, 50, 120], [21, 2, 50, 50, 90], [-1, 2, -30, 50, -120], [41, 42, 80, 50, 50], [9, 29, 39, 590, 10]])
+ 
+plt.show()
+```
+Quelques remarques :
+* valeurs centrées sur les points de la grille => on préfèrerait 1 carré = 1 pixel
+* voir l'échelle colorimétrique ?
+* comment customiser l’échelle ?
+* changer l’échelle pour des coordonnées géoréférencées ? (par ex. Lambert)
+
+On va d'abord s'occuper de l'échelle colorimétrique.
+On en profite pour ajouter un carré orange de côté 1 dont un des sommets est en (0,0), pour matérialiser le décalage entre le pixels et la grille. Note : l'argument 'interpolate' nous permet de choisir entre cette représentation "par pixels" et une représentation lissée.
+
+```python
+from matplotlib import pyplot as plt
+from matplotlib.patches import Rectangle
+fig = plt.figure("D'une matrice à une carte de champ")
+ax = fig.add_subplot(111) 
+ax.set_title("défaut : centres des pixels \n sur les points de grille")
+cax = ax.matshow([[1, 2, 30, 50, 120], [21, 2, 50, 50, 90], [-1, 2, -30, 50, -120], [41, 42, 80, 50, 50], [9, 29, 39, 590, 10]])
+case_en_haut_a_gauche = Rectangle((0, 0), width=1, height=1, lw=2, edgecolor='orange',
+                                            facecolor='None')
+               
+ax.add_patch(case_en_haut_a_gauche)
+#deux instructions pour définir la représentation de l'échelle colorimétrique et son titre
+cbar = fig.colorbar(cax, ax=ax, extend='both')
+cbar.set_label('colorbar par défaut ' )
+plt.tick_params(labeltop=False, labelbottom=True)
+fig.show()
+```
+
+Ensuite, on utilise tout simplement l'argument *extent* pour définir des coordonnées
+```python
+fig = plt.figure("D'une matrice à une carte de champ")
+ax = fig.add_subplot(111) 
+ax.set_title("avec extent : on définit les coordoonnées extrêmes")
+left, right, bottom, top = 0, 5, 0, 5
+cax = ax.matshow([[1, 2, 30, 50, 120], [21, 2, 50, 50, 90], [-1, 2, -30, 50, -120], [41, 42, 80, 50, 50], [9, 29, 39, 590, 10]], extent=(left, right, bottom, top))
+
+               
+ax.add_patch(Rectangle((0, 0), width=1, height=1, lw=2, edgecolor='orange',
+                                            facecolor='None'))
+cbar = fig.colorbar(cax, ax=ax, extend='both')
+cbar.set_label('colorbar par défaut ' )
+plt.tick_params(labeltop=False, labelbottom=True)
+fig.show()
+```
+
+## Personnaliser l'échelle colorimétrique
+
+Avec une liste de couleurs définies par l'utilisateur, objet ListedColorMaps.
+Je choisis aussi les limites de classe avec bounds.
+
+```python
+from matplotlib.colors import ListedColormap as mpl_colors_ListedColormap 
+cmap = mpl_colors_ListedColormap( 
+        ['white', 'greenyellow', 'limegreen', 'aquamarine', 'cyan', 'blue', 'purple']) 
+cmap.set_under('gray') 
+cmap.set_over('red') 
+cbounds = [-200, -50, -5, 0, 5, 50, 200, 500]
+norm = mpl.colors.BoundaryNorm(cbounds, cmap.N)
+fig = plt.figure("")
+ax = fig.add_subplot(111) 
+ax.set_title("colorbar = 7 couleurs nommées, plus over et under")
+cax = ax.matshow([[1, 2, 30, 50, 120], [21, 2, 50, 50, 90], [-1, 2, -30, 50, -120], [41, 42, 80, 50, 50], [9, 29, 39, 590, 10]], extent=(0, 5, 0, 5), cmap=cmap,norm=norm)               
+
+cbar = fig.colorbar(cax, ax=ax, extend='both')
+cbar.set_label('colorbar définie par ListedColorMap ' )
+plt.tick_params(labeltop=False, labelbottom=True)
+fig.show()
+```
+
+En m'appuyant sur une colormap continue, dont je peux aussi comme précédemment forcer le découpage avec bounds (mais je ne maîtrise pas les nuances de couleurs dans chaque classe)
+ définies par l'utilisateur, objet ListedColorMaps.
+Je choisis aussi les limites de classe avec bounds.
+
+https://matplotlib.org/3.1.1/gallery/color/colormap_reference.html
+
+```python
+from matplotlib.colors import ListedColormap as mpl_colors_ListedColormap 
+import numpy as np
+from matplotlib import cm   #  colormap
+nb_couleurs = 7  # en combien de parties je découpe mon échelle colorimétrique
+viridis = cm.get_cmap('viridis_r', nb_couleurs)  # _r signifie que je prends l'échelle dans l'ordre inverse, ici clair vers sombre
+echelle_colorimetrique = viridis(
+np.linspace(0, 1, nb_couleurs))  # j'extrais des couleurs discrètes
+vecteur_blanc = np.array([1, 1, 1, 1])
+echelle_colorimetrique[:1,:] = vecteur_blanc  # je remplace la première couleur par du blanc (défini en RGB) : 0 ou 1 ?...
+cmap = mpl_colors_ListedColormap(
+echelle_colorimetrique)  # je crée la colormap à partir de l'échelle colorimétrique
+cmap.set_under('gray')  # en dessous de la limite min : gris
+cmap.set_over('red')  # 
+cbounds = [-200, -50, -5, 0, 5, 50, 200, 500]
+norm = mpl.colors.BoundaryNorm(cbounds, cmap.N)
+fig = plt.figure()
+ax = fig.add_subplot(111) 
+ax.set_title("Echelle discrète créée à partir de la cmap viridis-reverse")
+cax = ax.matshow([[1, 2, 30, 50, 120], [21, 2, 50, 50, 90], [-1, 2, -30, 50, -120], [41, 42, 80, 50, 50], [9, 29, 39, 590, 10]], extent=(0, 5, 0, 5), cmap=cmap,norm=norm)
+cbar = fig.colorbar(cax, ax=ax, extend='both')
+cbar.set_label('colorbar définie par ListedColorMap plus under et over' )
+plt.tick_params(labeltop=False, labelbottom=True)
+fig.show()
+```
+
+## Lire un fichier grid et le tracer
+
+## Lire un fichier de champ binaire et le tracer
+
+## Lire des fichiers shape et les tracer : classe "ObjetsShape"
+
+## Inclure sur une même figure des champs et des polygones issus de fichiers shape
+
+