试用python库meteva(气象行业)
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 ...
最新文章
- SAP HANA插上32路CPU,性能多大飞跃?
- 【C 语言】文件操作 ( 学生管理系统 | 命令行接收数据填充结构体 | 结构体写出到文件中 | 查询文件中的结构体数据 )
- 【树型DP】加分二叉树
- 领域驱动设计案例:Tiny Library:领域模型
- 数据分析和作图用python好还是R!python真有那么神吗?
- 实现 IE6 支持 position fixed 的 CSS 属性
- IntelliJ IDEA for Mac在MacOS模式下的编译和运行快捷键(Compile and Run Shortcut)
- Windows10 右键“打开文件所在位置”找不到应用程序
- 谷歌与军方合作新料:决定AI不用于武器前,还想帮军方搜集情报
- java修改request的paramMap
- 实战:基于服务端开发和前后端分离开发区别
- mid=(left+right)1什么含义
- ubantu下谷歌浏览器安装包
- 使用R包GD实现地理探测器算法
- 软件推荐,强力卸载软件geek uninstaller
- 物联网--解决ESP8266与电脑串口通讯
- DIV+CSS系统学习:转载
- BAPI_PO_CREATE1 创建采购订单
- 【Python】pandas遍历读取excel文件,修改并保存(一)
- LLVM的源码目录结构