Project01| 气象站点数据处理|降水量缺测值插补替代

最新推荐文章于 2024-09-26 19:15:00 发布

hydroclimate

最新推荐文章于 2024-09-26 19:15:00 发布

阅读量1.1k

点赞数 1

文章标签： python

本文链接：https://blog.csdn.net/hydroclimate/article/details/115030139

版权

本文介绍了一个处理气象站点数据的项目，特别是针对降水量中的缺测值（32766）进行插补替代的方法。首先，通过添加日期索引处理txt文件中的降水数据，然后选择特定站点的数据。接着，识别并获取所有空缺值的日期索引，使用这些日期索引对其他非空缺数据进行平均，以填充空缺值。最后，遍历所有站点完成数据修复。在处理过程中，强调了numpy的reshape功能以及List、Numpy array和Pandas DataFrame之间的转换技巧。

摘要由CSDN通过智能技术生成

需要注意年份的索引以及闰年平年的天数…
1981年至2010年共10957天

import numpy as np
import pandas as pd
import time
import math
import warnings
warnings.filterwarnings("ignore")

pre_txt=np.loadtxt(r"F:\09_climate_site_data\03_日降水集中指数\02_data\pre-day.txt")
print(pre_txt)
pre_txt=np.array(pre_txt)

print(pre_txt.shape)
pre_txt1=[]
for i in range(pre_txt.shape[0]):
    for j in range(pre_txt.shape[1]):
        if pre_txt[i,j]!=32766:
            pre_txt1.append(pre_txt[i,j]*0.1)
        else:
            pre_txt1.append(32766)
pre_txt1=np.array(pre_txt1)
pre_txt2=pre_txt1.reshape(1672,19359).T
print(pre_txt2.shape)
pre_cols_txt=np.loadtxt(r"F:\09_climate_site_data\id-value.txt")
pre_cols=np.array