利用Python实现纬度加权平均（即NCL中的wgt_areaave）

       当处理全球数据的时候，最常见的分析就是全球、北半球平均了，这时候一定要注意要根据纬度等信息进行加权，求加权平均，要不然结果肯定会不准。

        对于NCL中，有现成的函数实现：wgt_areaave

        但是对于Python中，常规的计算包里面是没有的，或许现在有其他包可以实现，也可以告诉我~。于是基于numpy写了下面的函数：

def AreaWeightMean(data2D, lat, lon):
    '''
    data2D: 要进行区域加权平均的变量  2D: [lat, lon]
    lat: data2D对应的纬度 1D 最好不要包括-90° 和 90°  因为NCL 和 Python 计算 np.cos(90 * rad) 值差的很大 
    lon: data2D对应的经度 1D
    '''
    jlat = lat.shape[0]
    rad = 4.0 * np.arctan(1.0) / 180.0
    re = 6371220.0
    rr = re * rad
    dlon = np.abs(lon[2] - lon[1]) * rr
    dx = dlon * np.cos(lat * rad)
    dy = np.zeros(jlat)
    dy[0] = np.abs(lat[2] - lat[1]) * rr
    dy[1: jlat - 1]  = np.abs(lat[2: jlat]-lat[0: jlat - 2])*rr * 0.5
    dy[jlat - 1] = abs(lat[jlat - 1] - lat[jlat - 2]) * rr
    area = dx * dy
    # dataAreaWeightMean = np.sum(np.dot(area, data2D))/np.sum(area)
    sumtop = 0
    sumbottom = 0
    for id1 in range(data2D.shape[0]):
        for id2 in range(data2D.shape[1]):
            sumtop = sumtop + data2D[id1, id2]*area[id1]
            sumbottom = sumbottom +area[id1]
    dataAreaWeightMean = sumtop/sumbottom
    return dataAreaWeightMean

看一下结果对比吧：

        直接不加权平均（np.mean(data3D, axis = (1,2))）得到的结果：

        加权平均之后的：