python绘制风场方向和大小quiver问题

Axes.quiver(*args, data=None, **kw)

quiver(X, Y, U, V, C, **kw)

X: 1D or 2D array, sequence, optional 1维或2维数组，序列(sequence)，可自选（optional），箭头位置的x坐标
Y: 1D or 2D array, sequence, optional 1维或2维数组，序列，可自选，箭头位置的y坐标
U: 1D or 2D array or masked array, sequence 1维或2维数组或掩码数组（参看masked array https://blog.csdn.net/liukai2918/article/details/78419302），序列，箭头矢量的x分量
V: 1D or 2D array or masked array, sequence 1维或2维数组或掩码数组，序列，箭头矢量的y分量
C: 1D or 2D array, sequence, optional 1维或2维数组，序列(sequence)，可自选，箭头颜色
units（单位）: [ 'width' | 'height' | 'dots' | 'inches' | 'x' | 'y' | 'xy' ]
   箭头尺寸（除长度外）以此单位的倍数计算——即是说选定单位后，箭头尺寸即是此单位的倍数
   ‘width'或'height'：轴（axis）的宽度或高度
   ‘dots'或'inches'：像素或英寸，基于图的dpi
   ‘x', ‘y'或‘xy'：分别是X、Y或X2+Y2的数据单位（data units）
   箭头依单位不同而不同。对于'x'或'y'，箭头会随着其一的增大（zoom in）而增大；对于其他单位，箭头的大小与缩放状态（zoom state）无关。对于'width'或'height'，当窗口重置时，箭头的大小会随着轴（axes）的宽度和高度的增大而增大；低于同意'dots'或'inches'。重置不会改变箭头。
angles: [‘uv' | ‘xy'], array, 可自选
   用于决定箭头角度的方法，默认是'uv'
   ‘uv':箭头的纵横比（axis aspect ratio）为1，所以若U*==*V，则绘图上箭头的方向与水平轴逆时针呈45度（正向右）。
   ‘xy': 箭头从（x，y）指向（x + u，y + v）。例如，使用它来绘制渐变场(gradient field)。
   或者，可以将任意角度指定为以水平轴逆时针方向的度数值的数组。
   注意：反转数据轴将相应地仅使用angles='xy'反转箭头。
scale : None, float, optional
   每个箭头长度单位的数据单位数量，例如，每个绘图宽度m / s；参数scale越小箭头越长。默认是None
   若是None，一个简单的自动缩放算法将被采用，基于平均矢量长度和适量的数量。箭头长度单位由scale_units参数给出。
width : scalar(标量), optional
   箭杆（shaft）的宽度，以箭头单位衡量。默认是由以上单位的选择和矢量数量来决定。常用的初始值是0.005倍的画的宽度（width of the plot）
headwidth : scalar, optional 头部宽度相对于箭杆宽度的倍数，默认是3倍
headlength : scalar, optional 轴交叉处的头部长度，默认是4.5

quiver(X, Y, U, V, C, **kw)

m.quiver(x, y, u_wind, v_wind, color='deepskyblue', width=0.005, scale=200, headwidth=2)

# 用两个列表存储研究区域的经纬度，这里取正负5°的区间。
lonlist = []
latlist = []
for k in np.linspace(appro_lat - 5, appro_lat + 5, 21):
    for i in np.linspace(appro_lon - 5, appro_lon + 5, 21):
        lonlist.append(i)
        latlist.append(k)

u_wind = []
v_wind = []
for i in range(len(lonlist)):
    u_wind.append(nc_obj.variables['u10'][time_index][latitude.index(latlist[i])][longitude.index(lonlist[i])])
    v_wind.append(nc_obj.variables['v10'][time_index][latitude.index(latlist[i])][longitude.index(lonlist[i])])

fig = plt.figure(figsize=(8, 6))
m = Basemap(projection='cyl', llcrnrlat=min(latlist), llcrnrlon=min(lonlist), urcrnrlat=max(latlist),
            urcrnrlon=max(lonlist))  # 使用Basemap获取地图
# 通过readshapefile读取地图文件shp
m.readshapefile(CN_pro', 'states')  // 根据自己的需要readshapefile读取地图文件
m.drawcoastlines(color='black')
m.drawstates(color='black')
m.drawcountries(color='black')
x, y = m(*(lonlist, latlist))  # 将lats / lons转换为地图投影坐标
m.drawmeridians(np.arange(math.ceil(min(lonlist)), int(max(lonlist)), 5), labels=[0, 0, 0, 1])
m.drawparallels(np.arange(math.ceil(min(latlist)), int(max(latlist)), 5), labels=[1, 0, 0, 0])
# 在地图上绘制BestTrack的经纬度
best_lon, best_lat = m(lon[t], lat[t])
# 在地图上绘制点
m.plot(best_lon, best_lat, 'o', color='red', ms=5)
# 绘制风场箭头
m.quiver(x, y, u_wind, v_wind, color='deepskyblue', width=0.005, scale=200, headwidth=2)
plt.show()