meteva的帮助文档看这里

使用过程中发现的一些问题及其修改方式：

（1）站点插值到格点时，插值函数报错：

%matplotlib inline
%load_ext autoreload
%autoreload 2
import meteva.base as meb
import numpy as np
import pandas as pd
#读文件
file = 'G:/multi_elements_and_qc/station_hour/output/huitu_PRS.csv'
data = pd.read_csv(file)
#用meteva的函数初始化站点数据
sta = meb.sta_data(df,columns = ["id","lat",'lon',"data0"])
#用meteva的函数初始化网格数据
grid0 = meb.grid([105,121,0.05],[1,24,0.05])  #初始化一个网格，其中时间、时效、层次和成员信息都暂时使用缺省设置
#插值
grd1 = meb.interp_sg_idw(sta,grid0,nearNum = 20)

然后报错了。

检查以后发现是因为站点变量sta的时间列是nan。
所以，只能在插值前随便给sta的时间列赋个值。

sta = meb.sta_data(df,columns = ["id","lat",'lon',"data0"])
print(sta)
sta['data0'] = 100*sta['data0']
print(sta)

然后就可以啦。

（2）网格数据grd为倒序时，绘图高度为负值

若将grid0的纬度设置为倒序，然后插值再绘图，就会报错

grid0 = meb.grid([105,121,0.05],[24,1,-0.05])
grd1 = meb.interp_sg_idw(sta,grid0,nearNum = 20)
meb.plot_tools.contourf_2d_grid(grd1,cmap=cmap,title = "填色图 ")

报错信息为

经过检查，发现原代码中的计算有点问题，应该修改plot_tools.py里的plot_2d_grid_list函数里图片高度的计算

height_map = width_map * abs(rlat) / rlon

加一个取绝对值的函数。

（3）绘制填色图时，坐标轴不统一：

使用填色绘图函数的时候，发现经度轴和纬度轴的格式不同：经度轴是最右边有一个”E“，纬度轴是每个数字后面都有一个”N“。
然后，看了meteva的帮助文档，发现它的示例也是这样的。
所以，修改meteva库的代码，改成每个数字后面都有一个字母的样式。
在plot_tools.py里的plot_2d_grid_list函数里，将xticks设置的部分改为

    xticks = np.arange(vmin, vmax, inte)xticks_label = []xticks_label_None = []for i in range(len(xticks)):if xticks[i]>0:xticks_label.append(str(round(xticks[i],6))+"°E")else:xticks_label.append(str(round(xticks[i],6))+"°W")xticks_label_None.append("")if xticks[-1] >0:xticks_label[-1] ="   " +xticks_label[-1]######刘霄燕修改else:xticks_label[-1] ="   " +xticks_label[-1]

（4）画散点图时报错

如果，用来画散点图的数据有nan的话，那么plot_tools.py文件里的scatter_sta函数的以下语句会计算错误。

vmax_v = np.max(sta_without_iv[plot_data_names].values)
vmin_v = np.min(sta_without_iv[plot_data_names].values)

所以，在画散点图之前，需要把sta的nan值去掉

data=data[np.isnan(data['相关系数'])==False]

试用python库meteva（气象行业）相关推荐

coap python3,尝试用python库连接coap资源
所以我尝试使用这个python库https://github.com/chrysn/aiocoap连接到CoaP资源.这个库使用python3.4,我已经安装了3.4并将其设置为与之一起使用的解释器( ...
Python 库资源大全
偶然的机会翻到这篇文章,很全面,来源: Python 资源大全中文版哪些 Python 库让你相见恨晚? 环境管理管理 Python 版本和环境的工具 p:非常简单的交互式 pyth ...
100个相见恨晚的Python库（建议收藏)
大家好,我是一行在python程序员成为大神之前,都不可避免的都要做一段时间的调包侠那就算是调包侠也都会有自己调包秘籍,拿出来能让他人感叹"相见恨晚"的那种 Awesome P ...
100个相见恨晚的Python库
大家好,我是一行在python程序员成为大神之前,都不可避免的都要做一段时间的调包侠那就算是调包侠也都会有自己调包秘籍,拿出来能让他人感叹"相见恨晚"的那种 Awesome P ...
哪些 Python 库让你相见恨晚？【转】
https://github.com/jobbole/awesome-python-cn Python 资源大全中文版我想很多程序员应该记得 GitHub 上有一个 Awesome - XXX 系列 ...
win 10 pip 安装都超时_清华Anaconda 镜像恢复及一键安装气象常用的Python库
欢迎订阅微信公众号:『气象学家』清华Anaconda 镜像恢复使用了! 阅读建议 Python的版本和环境控制建议使用conda来管理,可以预先安装Anaconda"全家桶"或者 ...
用这个Python库，训练你的模型成为下一个街头霸王！
作者 | MJ-Murray 译者 | 孤鸿整理 | Jane 出品 | AI科技大本营从世界瞩目的围棋游戏 AlphaGo,近年来,强化学习在游戏领域里不断取得十分引人注目的成绩.自此之后,棋牌 ...
python添加lxml库_7分钟，建议看完这5个Python库对比丨web抓取
网页抓取的时候,如何决定哪一个库适合自己的特定项目?哪个Python库最灵活?5个示例找寻答案. 文丨ABHISHEK SHARMA 编译丨小二 "我们有足够的数据"这句话,在数据 ...
2017 年最流行的 15 个数据科学 Python 库
转自http://www.codeceo.com/article/15-data-science-python-libraries.html 2017 年最流行的 15 个数据科学 Python 库 ...

试用python库meteva（气象行业）