和鲸社区气象 Python 训练营 3.2NumPy Broadcast

读取 FNL 再分析资料中 2021 年 1 月 1 日 0 时的数据。计算热带地区温度大于 10 摄氏度的区域的平均地表以上 2 米的露点温度（摄氏度，取整）。

import numpy as np

import xarray as xr

data=xr.open_dataset("/home/mw/input/fnl6384/fnl/fnl_20210101_00_00.grib2",engine="pynio")  #grib2数据读取，通过xarray库

#rh_1 = data["RH_P0_L103_GLL0"].loc[23+26/60:-23-26/60,:]

#t_1 = data["TMP_P0_L103_GLL0"][0,...].loc[23+26/60:-23-26/60,:]

#t_1   #这个是参考答案的索引方式

t_1=data['TMP_P0_L103_GLL0'][0,][67:-67,]  #南北纬24°之间（提示说是23.5°）

rh_1=data['RH_P0_L103_GLL0'][67:-67,]

t_1

#这是我的索引方法，索引的范围一样，维度索引也可以使用[66:-66,]结果不影响。之前由于索引的湿度变量错误导致计算结果不一样。经修正，计算结果一致。

t_2=np.array(t_1)

rh_2= np.array(rh_1)

t_3=t_2.reshape(16920,1)  #调整为16920*1维度

rh_3=rh_2.reshape(16920,1)

import pandas as pd

t= pd.DataFrame(np.array(t_3))  #转化为dataframe格式，主要是为了使用后面的函数。本人还不太掌握自定义的 ufunc: numpy 的函数向量化。

rh= pd.DataFrame(np.array(rh_3))

#合并

df1=pd.concat([t,rh],axis=1)

df1

df1.to_csv('t_rh.csv')   ## 将dataframe导出为csv文件

df = pd.read_csv("t_rh.csv")  #再读取

df.columns = ['index','t','rh'] #重命名

import math

def ludian(t,rh):     #参考答案的公式计算露点温度函数。

    if t > 273.15+10:

        GC=461.5

        GCX=GC/ (1000*4.186)

        LHV = (597.3-0.57* (t-273.15))/GCX

        TDK = t*LHV/ (LHV-t*math.log(rh*0.01))

        return TDK

    else:

        return np.nan

df['ludian'] = df.apply(lambda x : ludian(x['t'],x['rh']),axis=1)

df.describe()

a1=int(df.loc[:,"ludian"].mean()-273.15)

a1    #在.loc[23+26/60:-23-26/60,:]索引下，计算结果为19，在[66:-66,]索引下，计算结果为5摄氏度。

"""

def ludian(t,rh):   #定义露点温度函数

    if np.isnan(t) or np.isnan(rh):

        return np.nan

    else:

        if t>=283.15:

            return 237.7*(17.27*(t-273.15)/(237.7+(t-273.15)) + np.log( rh/100 ))/(17.27-(17.27*(t-273.15)/(237.7+(t-273.15)) + np.log( rh/100 )))

df['ludian'] = df.apply(lambda x : ludian(x['t'],x['rh']),axis=1)

df.describe()

a1=int(df.loc[:,"ludian"].mean())

a1   

"""