对于气象绘图来讲,第一步是对数据的处理,通过各类公式,或者统计方法将原始数据处理为目标数据.
按照气象统计课程的内容,我给出了一些常用到的统计方法的对应函数：
在计算气候态,区域平均时均要使用到求均值函数,对应NCL中的dim_average函数,在python中通常使用np.mean()函数
numpy.mean(a, axis, dtype)
假设a为[time,lat,lon]的数据,那么
同样的,求某数组最大最小值时也有np.nanmax(), np.nanmin()函数来补充np.max(), np.min()的不足.
其他很多np的计算函数也可以通过在前边加'nan'来使用.
另外,
也可以直接将a中缺失值全部填充为0.
np.std(a, axis, dtype)
用法同np.mean()
在NCL中有直接求数据标准化的函数dim_standardize()
其实也就是一行的事,根据需要指定维度即可.
皮尔逊相关系数：
相关可以说是气象科研中最常用的方法之一了,numpy函数中的np.corrcoef(x, y)就可以实现相关计算.但是今天这一节我推荐scipy.stats中的函数来计算相关系数：
这个函数缺点和有点都很明显,优点是可以直接返回相关系数R及其P值,这避免了我们进一步计算置信度.而缺点则是该函数只支持两个一维数组的计算,也就是说当我们需要计算一个场和一个序列的相关时,我们需要循环来实现.
其中a[time,lat,lon],b[time]
(NCL中为regcoef()函数)
同样推荐Scipy库中的stats.linregress(x,y)函数：
slop: 回归斜率
intercept：回归截距
r_value： 相关系数
p_value： P值
std_err： 估计标准误差
直接可以输出P值,同样省去了做置信度检验的过程,遗憾的是仍需同相关系数一样循环计算.
print?f
print?c
描述
温度的刻画有两个不同体系：摄氏度（Celsius）和华氏度（Fahrenheit）.
请编写程序将用户输入华氏度转换为摄氏度,或将输入的摄氏度转换为华氏度.
转换算法如下：（C表示摄氏度、F表示华氏度）
要求如下：
程序：
TempStr = input()
if TempStr[0] in ['F']:? ? #因为要求输入输出是大写C或者F,所以针对第一位字符做判断
elif TempStr[0] in ['C']:? ?
else:
? print()? ? ? #不输入任何错误提示
至于想要深入了解的小伙伴,给你们加上了链接：
摄氏度： 用符号 C表示,是世界上使用较为广泛的 温标 之一
网址:
第一步： 先用input()输入当时的温度
第二步： 判断输入温度的类型,如果是华氏度F的话,（可以大小写）执行计算：
这里的 TempStr[-1] 是指最后一个字符串在F/f判断是华氏度. TempStr[0:-1] 取的是数值,用
eval() 函数,使得这些数值可以被计算出来.从而使得该公式可以计算赋值给变量C.
第三步： 华氏度转成摄氏度
这是华氏度转化摄氏度的,下面摄氏度转化华氏度是同样的方法.
以下是完整代码：
把下面代码里的井号改成空格
l = []
##l.append(float(input('第%d天：' % i)))
print('平均温度：', sum(l) / len(l))
以上就是土嘎嘎小编为大家整理的python温度梯度函数相关主题介绍,如果您觉得小编更新的文章只要能对粉丝们有用,就是我们最大的鼓励和动力,不要忘记讲本站分享给您身边的朋友哦！！