数据处理
文章平均质量分 52
StarC*_
这个作者很懒,什么都没留下…
展开
-
python绘制误差棒
python绘制误差棒原创 2022-07-23 19:07:22 · 4865 阅读 · 1 评论 -
利用os库批量处理文件或者文件夹
利用os库批量处理文件或者文件夹1 批量移动文件2 批量删除文件1 批量移动文件import osto_path = 'H:/China/LAI'for year in range(2003, 2021): os.chdir(r'H:/China/LAI/%d' % year) os.system('move *.tif %s' % to_path)2 批量删除文件import osfor i in range(2003,2021): for j in range(1原创 2022-02-24 10:46:21 · 632 阅读 · 0 评论 -
极地投影及全球相关
极地投影及全球相关题目导入相关库数据处理绘图题目课程作业题目:选取base points, P(45N,165W),A(65N, 20W),利用1950-2020年月平均 DJF 500mb 高度场计算Figure 8.4 c,d 中的one-point correlation maps. 注意第一年DJF为1950年12月,1951年1, 2月,这三个月是连续的, 记为1950/51 DJF。计算相关系数前去除每个月的70年的气候平均, 得到每个月的异常,再把DJF连接起来, 每个格点得到70*3=原创 2022-05-08 18:46:14 · 857 阅读 · 1 评论 -
利用python指定函数将特定数据框起来,生成凸包
利用python指定函数将特定数据框起来,生成凸包函数:scipy.spatial.ConvexHull()ConvexHull直译是凸包,表示在一个平面上,我们能找到的最小的将一组数据全部包括在内的凸集通俗的来说凸包就是包围一组散点的最小凸边形相对的我们也有凹边形重要参数:类ConvexHull能够帮助我们创建N维凸包重要参数points:浮点数组成的n维数组,结构为(点的个数,维度)。表示用来构成凸包的坐标点。incremental:布尔值,可不填。允许不断向类中添加新的数据点。原创 2021-12-05 14:00:00 · 1683 阅读 · 0 评论 -
Seaborn绘制拟合线
seaborn绘制最佳拟合线原创 2022-01-08 17:35:45 · 2850 阅读 · 2 评论 -
GLASS数据预处理/MRT工具批量处理MODIS数据
卫星数据批处理原创 2022-06-05 10:48:18 · 490 阅读 · 0 评论 -
EVI月变化时间序列绘图
EVI月变化时间序列绘图1 导入相关模块2 加载数据绘图1 导入相关模块import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport matplotlib.ticker as tickerimport matplotlib as mpl2 加载数据EVI = pd.read_excel(r'D:\Users\62692\Desktop\相关性分析.xlsx').loc[:,'EVI']绘图# 设置原创 2022-04-11 13:30:59 · 459 阅读 · 0 评论 -
python索引相关
python索引相关pandas索引numpy索引pandas索引利用pandas索引指定数据# 索引白天的数据day = footprint[(footprint['时']>= 8) & (footprint['时']< 20)]day.reset_index(drop=True,inplace=True) # 重置索引numpy索引np.argwhere(np.array(FFP['xr']) == np.array(FFP['xr']).min())# np.原创 2022-03-23 10:45:01 · 1041 阅读 · 0 评论 -
数据处理中关于时间的相关操作
数据处理中关于时间的相关操作北京时间与世界时间相互转换北京时间与世界时间相互转换在科研中我们获取的数据往往是北京时间,有时候需要将北京时间转换为世界时间,简单理解,世界UTC时间比北京时间快8个小时,即北京时=世界时+8,python中datetime可以轻松对这两种时间进行转换。首先,导入相关库import pandas as pdimport numpy as npfrom datetime import datetime, timedelta # 采用此函数import time原创 2022-03-17 16:23:44 · 2329 阅读 · 0 评论 -
利用griddata进行插值
因为最近在做算法优化,所以对数据统一性有一定要求,在最近的研究中主要用一个简单的最近邻插值对数据集进行降尺度处理。主要运用到的函数时scipy里面的griddata第一步:导入相关库import xarray as xr from scipy.interpolate import griddata # 插值函数import numpy as np第二步:给出插值到的经纬度信息(目标经纬度)mask_tmp = xr.open_dataset('G:/China/temperatu原创 2022-01-22 23:14:26 · 6615 阅读 · 3 评论