對于氣象繪圖來講，第一步是對數(shù)據(jù)的處理，通過各類公式，或者統(tǒng)計(jì)方法將原始數(shù)據(jù)處理為目標(biāo)數(shù)據(jù)。

按照氣象統(tǒng)計(jì)課程的內(nèi)容，我給出了一些常用到的統(tǒng)計(jì)方法的對應(yīng)函數(shù)：

import numpy as np

平均值

在計(jì)算氣候態(tài)，區(qū)域平均時(shí)均要使用到求均值函數(shù)，對應(yīng)NCL中的dim_average函數(shù)，在python中通常使用np.mean()函數(shù)

numpy.mean(a, axis, dtype)

假設(shè)a為[time,lat,lon]的數(shù)據(jù)，那么

·axis 不設(shè)置值，對 timelatlon 個(gè)值求均值，返回一個(gè)數(shù)

·axis = 0：壓縮時(shí)間維，對每一個(gè)經(jīng)緯點(diǎn)求均值，返回 [lat, lon] 數(shù)組(如求一個(gè)場的N年氣候態(tài))

·axis =1,2 ：壓經(jīng)度緯度，對每個(gè)時(shí)間求平均值，返回 [time] 矩陣(如求某時(shí)間序列，或指數(shù))

需要特別注意的是，氣象數(shù)據(jù)中常有缺測，在NCL中，使用求均值函數(shù)會自動(dòng)略過，而在python中，當(dāng)任意一數(shù)與缺測(np.nan)計(jì)算的結(jié)果均為np.nan，比如求[1,2,3,4，np.nan]的平均值，結(jié)果為np.nan

因此，當(dāng)數(shù)據(jù)存在缺測數(shù)據(jù)時(shí)，通常使用np.nanmean()函數(shù)，用法同上，此時(shí)[1,2,3,4，np.nan]的平均值為(1+2+3+4)/4 = 2.5

同樣的，求某數(shù)組最大最小值時(shí)也有np.nanmax(), np.nanmin()函數(shù)來補(bǔ)充np.max(), np.min()的不足。

其他很多np的計(jì)算函數(shù)也可以通過在前邊加‘nan’來使用。

另外，

a[np.isnan(a)] = 0

也可以直接將a中缺失值全部填充為0。

標(biāo)準(zhǔn)差

np.std(a, axis, dtype)

用法同np.mean()

標(biāo)準(zhǔn)化

在NCL中有直接求數(shù)據(jù)標(biāo)準(zhǔn)化的函數(shù)dim_standardize()

我目前并未找到python中可以直接求數(shù)據(jù)標(biāo)準(zhǔn)化的函數(shù)(sklearn庫中有標(biāo)準(zhǔn)化，但感覺不如公式直接計(jì)算方便)。根據(jù)公式，

x = (x - np.mean(x)) / np.std(x)

其實(shí)也就是一行的事，根據(jù)需要指定維度即可。

相關(guān)系數(shù)

皮爾遜相關(guān)系數(shù)：

相關(guān)可以說是氣象科研中最常用的方法之一了，numpy函數(shù)中的np.corrcoef(x, y)就可以實(shí)現(xiàn)相關(guān)計(jì)算。但是在這里我推薦scipy.stats中的函數(shù)來計(jì)算相關(guān)系數(shù)：

from scipy.stats import pearsonr

r,p = pearsonr(x, y)

這個(gè)函數(shù)缺點(diǎn)和有點(diǎn)都很明顯，優(yōu)點(diǎn)是可以直接返回相關(guān)系數(shù)R及其P值，這避免了我們進(jìn)一步計(jì)算置信度。而缺點(diǎn)則是該函數(shù)只支持兩個(gè)一維數(shù)組的計(jì)算，也就是說當(dāng)我們需要計(jì)算一個(gè)場和一個(gè)序列的相關(guān)時(shí)，我們需要循環(huán)來實(shí)現(xiàn)。

r = np.zeros((a.shape[1],a.shape[2]))

p = np.zeros((a.shape[1],a.shape[2]))

for i in range(sic.shape[1]):

for j in range(sic.shape[2]):

r[i,j], p[i,j] = pearsonr(b , a[:,i,j])

其中a[time,lat,lon]，b[time]

線性回歸系數(shù)

(NCL中為regcoef()函數(shù))

同樣推薦Scipy庫中的stats.linregress(x,y)函數(shù)：

slope, intercept, r_value, p_value, std_err = stats.linregress(x,y)

slop: 回歸斜率

intercept：回歸截距

r_value： 相關(guān)系數(shù)

p_value： P值

std_err： 估計(jì)標(biāo)準(zhǔn)誤差

直接可以輸出P值，同樣省去了做置信度檢驗(yàn)的過程，遺憾的是仍需同相關(guān)系數(shù)一樣循環(huán)計(jì)算。

總結(jié)

以上是生活随笔為你收集整理的python画图数据的平均值怎么算的_Python气象数据处理与绘图(2)：常用数据计算方法...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。