基于第三方工具批量下载数据---以下载GLASS数据为例

基于第三方工具批量下载数据—以下载GLASS数据为例

1.根据下图确定研究区域
MODIS中国区域行列号
2.下载网站GLASS数据下载中心
(http://www.glass.umd.edu/Download.html)
以GLASS FVC数据为例
意思为分辨率为500米的GLASS数据–时间跨度00-18年–每一年是8天一景
在这里插入图片描述
3.由于数据量太多,撰写代码进行下载

#-*- coding:utf-8 -*-
# http://www.glass.umd.edu/FVC/MODIS/500m/2008/001/GLASS10E01.V40.A2008001.h28v08.2019363.hdf
import io
site = r'http://www.glass.umd.edu/FVC/MODIS/500m/'    #要下载的网址
years = ['2000', '2001', '2002', '2003', '2004', '2005', '2006', '2007', '2008', '2009', '2010', '2011', '2012', '2013', '2014', '2015', '2016', '2017', '2018'] #要下载年份
days = ['001', '009', '017', '025', '033', '041', '049', '057', '065', '073',
       '081', '089', '097', '105', '113', '121', '129', '137', '145', '153',
       '161', '169', '177', '185', '193', '201', '209', '217', '225', '233',
       '241', '249', '257', '265', '273', '281', '289', '297', '305', '313',
       '321', '329', '337', '345', '353', '361' ]  #要下载行列号

for year in years:
    for day in days:
        url1 = site + year + '/' + day + '/' + 'GLASS10E01.V40.A' + year + day + '.h25v03.2019363.hdf'
        url2 = site + year + '/' + day + '/' + 'GLASS10E01.V40.A' + year + day + '.h25v04.2019363.hdf'
        url3 = site + year + '/' + day + '/' + 'GLASS10E01.V40.A' + year + day + '.h25v05.2019363.hdf'
        url4 = site + year + '/' + day + '/' + 'GLASS10E01.V40.A' + year + day + '.h26v03.2019363.hdf'
        url5 = site + year + '/' + day + '/' + 'GLASS10E01.V40.A' + year + day + '.h26v04.2019363.hdf'
        url6 = site + year + '/' + day + '/' + 'GLASS10E01.V40.A' + year + day + '.h26v05.2019363.hdf'
        url7 = site + year + '/' + day + '/' + 'GLASS10E01.V40.A' + year + day + '.h27v04.2019363.hdf'
        print(url1)
        print(url2)
        print(url3)
        print(url4)
        print(url5)
        print(url6)
        print(url7)
    #with io.open(filename, "w", encoding="utf-8") as f_w:
        #f_w.write(url7)

代码运行结果复制粘贴到TXT中
代码运行结果复制粘贴到TXT中在这里插入图片描述

4.安装火狐浏览器,安装 “down them all”插件
在这里插入图片描述

5.将数据下载链接导入插件中
①点击任务管理器
在这里插入图片描述
②点击空白处,将刚才的文本导入,就可以进行批量下载了。
在这里插入图片描述

  • 9
    点赞
  • 29
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
隐形眼镜数据集 "glass-lenses.txt" 是一个著名的数据集,用于研究隐形眼镜分类问题。该数据集包含了一些关于患者眼睛状况和医生建议的信息。 数据集中的每个实例都有四个属性:年龄、近视程度、散光程度以及眼泪的产生率。同时,每个实例还有一个结果属性,即医生建议的隐形眼镜类型。 这个数据集可以用于训练和测试分类算法,如决策树、神经网络、K-最近邻等。通过使用这个数据集,我们可以研究不同算法在判断何种类型的隐形眼镜适合不同类型的患者时的表现。 为了准备数据集进行分析,我们可以采取以下步骤:首先,我们需要加载数据集并将其分割为输入特征(年龄、近视程度、散光程度以及眼泪的产生率)和输出类别(隐形眼镜类型)两个部分。然后,我们可以对数据进行预处理,如处理缺失值、特征标准化等。接下来,我们可以使用经典的机器学习算法来训练模型,并使用测试集评估其性能。 通过对这个数据集的分析,我们可以找出哪些因素对隐形眼镜类型的预测起到重要作用。同时,我们还可以建立一个预测模型,以便根据患者的眼睛状况预测出最好的隐形眼镜类型。这些信息对于医生和患者来说都是非常有价值的,可以帮助他们做出更好的决策。 总结来说,隐形眼镜数据集 "glass-lenses.txt" 是一个著名的数据集,通过对其进行分析可以帮助我们研究隐形眼镜分类问题,并建立预测模型。这将为医生和患者提供有价值的信息,以帮助他们做出正确的决策。

“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 5
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
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