2000-2019 年中国各省、市、区县分年、分月、逐日平均降水量

一、数据名称:2000~2019 年中国各省、市、区县分年、分月、逐日平均降水量(20-20时累计降水量,单位 0.1mm)

二、统计对象:各省、各地级市、各区县

三、时间跨度:2000-2019

三、数据来源:原始数据来源于国家气象科学数据共享服务平台-中国地面气候资料日值数据集(V3.0),原始数据是各个观测站点的日度数据,为了方便大家使用,我使用 Barnes 方法(先使用 IDW 法插值成格点数据(覆盖中国的 500x500 网格,每个网格的大小是 0.1231924经度 x 0.0994549纬度),再分区域平均)计算得到了2000 年~2019 年中国各省、各市、各县的分年、分月、逐日的平均气温数据。

四、处理方式:文件中有详细说明。每个站点记录的是逐日的气象数据,处理得到行政区划栅格图,基于此计算出逐日数据,以及月度和年度数据。

2000年~2019年中国各省份降水量年度数据.csv
2000年~2019年中国各城市降水量年度数据.csv
2000年~2019年中国各区县降水量年度数据.csv
2000年1月~2019年12月中国各省份降水量月度数据.csv
2000年1月~2019年12月中国各城市降水量月度数据.csv
2000年1月~2019年12月中国各区县降水量月度数据.csv
2000年1月1日~2019年12月31日中国各省份降水量日度数据.csv
2000年1月1日~2019年12月31日中国各城市降水量日度数据.csv
2000年1月1日~2019年12月31日中国各区县降水量日度数据.csv

格式为csv,直接用excel打开即可。有分城市,也有分年份的,文件里包含解决csv乱码的问题

说明:数据来源于网络搜集,本人不是原作者,所以免费分享。仅用作为学习用途,不能商用

  • 3
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 8
    评论
如果你的数据表中只有日期列(比如只有一列“日期”或“时间”),那么你需要先将日期列拆分成份和月份两列,然后再进行数据比较和分析。你可以使用 Pandas 的 `pd.to_datetime()` 函数将日期列转换成日期时间格式,然后使用 `.dt.year` 和 `.dt.month` 属性分别提取份和月份。例如: ```python import pandas as pd # 读取数据表并将日期列转换成日期时间格式 data = pd.read_csv('your_data_file.csv', parse_dates=['日期']) # 将日期列拆分成份和月份两列 data['份'] = data['日期'].dt.year data['月份'] = data['日期'].dt.month # 按照条件筛选数据并计算月均气温 Guangzhou_data = data.query('城 == "广州" and 1995 <= 份 <= 2019 and 月份 == 2').groupby(by='份').mean() Beijing_data = data.query('城 == "北京" and 1995 <= 份 <= 2019 and 月份 == 2').groupby(by='份').mean() ``` 在上面的代码中,假设你的数据表中有一列叫做“日期”,记录了每个数据点的日期。我们首先使用 `pd.to_datetime()` 函数将这个列转换成日期时间格式,然后使用 `.dt.year` 和 `.dt.month` 属性分别提取份和月份,并将它们添加到数据表中。接下来,我们使用 `query()` 方法按照条件筛选出广州和北京在 1995-2019 间 2 月份的数据行,然后使用 `groupby()` 方法按照份进行分组,并使用 `mean()` 方法计算出每个份的月均气温。最后,我们分别得到了广州和北京的月均气温数据,可以进行比较和分析。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 8
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

我是章汕呐

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值