- 博客(52)
- 收藏
- 关注
RSS订阅原创 Python实现小波相干和小波交叉
上图是Python代码实现的小波相干谱和小波交叉谱的结果，使用了Python的pycwt包，代码和数据均来自于https://github.com/regeirk/pycwt，作者是Sebastian Krieger和Nabil Freij等人。上图是小波交叉谱，从中可以看出在哪一些时期，两个时间序列具有相近的周期信号；下图是小波相干谱，从中可以看出在哪一些时期，在哪一些周期段的信号上，两个时间序列的相关性怎么样（这里的相关性应该是绝对值）。两张图上的箭头表示对应信号的相位差。
2023-06-15 17:09:21
930
原创 使用Python进行小波变化
在使用运行代码的时候发现了源代码的报错分别在Line115和Line136，是将Y轴变为对数轴，需要将“plt3.set_yscale(‘log’,base=2, subs=None)”改为“plt3.set_yscale(‘log’,basey=2, subsy=None)”。有关连续小波和离散小波变化的理解：连续小波变换可能是理论上的推导或者有点类似于方程的解析解，而计算机处理的肯定是离散的信号，因此需要将处理的信号离散化，即为离散小波分析。
2023-06-15 15:56:08
1138
原创 Numpy查找数组中Top10和Bottom10的索引
import numpy as npA = np.array([1, 7, 9, 2, 0.1, 17, 17, 1.5])k = 3np.argpartition(A, k)[:3]import heapqarr=np.array([1,1,1,134,45,3,46,45,65,3,23424,234,12,12,3,546,1,2])heapq.nlargest(3, range(len(arr)),arr.take)
2022-03-23 17:23:55
1886
原创 numpy找数组中满足条件的元素和共有元素
import numpy as nparr=np.array([1,1,1,134,45,3,46,45,65,3,23424,234,12,12,3,546,1,2])x=np.where(arr>33)[0]y=np.where(arr<500)[0]print(np.where(arr>33)[0])print(np.where(arr<500)[0])print(np.intersect1d(x,y))
2022-03-23 11:51:19
783
原创 python matplotlib输出矢量图svg(可插入word,仍为高清)
import matplotlib.pyplot as pltx=[1,2,3,4,5]y=[2.4,8.2,9.3,1.3,2.0]plt.scatter(x,y)plt.savefig(fname="name.svg",format="svg")plt.show()
2022-03-10 15:14:59
3020
原创 python画南极的风场
# ----------------------------------1.这个地区长期的风向图# 读数据import netCDF4 as ncimport pandas as pdimport numpy as npfile = 'adaptor.mars.internal-1645705255.1744275-4126-10-f3cf0eb9-b755-45ec-9de1-92b8694846c7.nc'dataset = nc.Dataset(file)uwind = datase
2022-03-01 11:47:21
936
原创 Python进行线性相关性检验
from scipy.stats import pearsonrimport pandas as pddf = pd.read_clipboard(header=None)df.columnsA=df.iloc[:,0]B=df.iloc[:,-1]result=pearsonr(A,B)print('r:',result[0],'p-value:',result[1])
2022-02-18 21:44:04
1074
原创 Python读取hdf5文件
# 将代码和数据文件（火灾和土地使用文件）都放在同一个文件夹# 读取网格数据的面积import numpy as npimport h5pyfrom scipy import interpolateimport netCDF4 as ncimport pandas as pdimport pylab as plimport matplotlib as mpl# 步骤1 ------------------------ 提高两个矩阵的分辨率# 读火灾数据hdf5文件string='G
2022-01-27 21:50:35
3290
原创 Python利用meteinfo来计算后向轨迹
## 上面的基本就可以实现了,接下来来尝试算2019年所有天的轨迹## 先做2019年的轨迹# 先获取所有的气象数据于一个列表中import ostrain_dir=r'H:\meteorology\gdas_meteodata\2019'datanames = os.listdir(train_dir)#确定要跑的那一天#先建一个该年所有天的年月日import pandas as pdimport datetimedays=pd.date_range('20151120','201
2022-01-21 21:44:49
1878
3
转载 pandas对当前日期进行加减一个月
import datetimefrom dateutil.relativedelta import relativedeltaif __name__ == "__main__": print(datetime.date.today() - relativedelta(months=+1))参考网站：https://cloud.tencent.com/developer/article/1568145
2022-01-17 22:38:43
2743
原创 Meteinfo结合Arcgis制作风矢量图
1.下载风矢量数据.nc文件，使用meteinfo软件进行矢量图可视化，导出shp文件。2.此时的shp文件中的字段存在u、v、风向和风速的对应数据。这里的风向，单位是角度，方向是顺时针，起始轴是y轴的负半轴。3.将shp文件导入Arcgis，图层属性里面调形状为向下的箭头，方向为前面的“风向”，选择第一种角度计算方式。size也可以进行调整，即可。注：ARCGIS里面的角度旋转方式是顺时针，起始轴式y轴的正半轴。...
2022-01-05 15:07:10
1544
原创 numpy快速读取txt的列数据
import numpy as npa = np.loadtxt(r'C:\Users\LHW\Desktop\meteinfo_code_test\轨迹20141016\traj_2014101600',skiprows=56)
2021-12-07 20:35:05
1353
原创 利用ARCGIS和QGIS画等值线图
1.先使用Arcgis进行操作：导入XYZ的数据，利用Arcgis的插值函数进行插值（比如普通克里金插值），插值完毕后得到tif文件。使用等值线函数进行等值线绘制，可以自定义等值线水平。输出为shp文件即可。2.使用QGIS进行可视化操作：导入tif和shp文件，shp文件的等值线标注，在窗口上方有可以移动标注的工具。接下来画图即可。...
2021-12-01 14:07:41
1880
原创 QGIS画Albers投影的中国区域步骤简述
1.在Qgis里面的设置里面新建一个Albers投影，KWT信息参考：https://blog.csdn.net/QGISClass/article/details/1123442432.在画图的时候，主要属性的“坐标参考系（CRS）”需要改成Albers3.在新建网格的时候，网格的“坐标参考系（CRS）”需要改成WGS84...
2021-11-29 23:27:45
878
原创 Arcgis中国区域DEM数据画等高线的步骤简述
1.导入原始的ETOPO较高经度的全球等高线数据2.掩膜提取中国区域的DEM3.将DEM重采样成为1°*1°的4.contour list（可以直接搜索一下这个给工具），可以自己指定想要画的等值线间隔5.smooth line（可以直接搜索一下这个给工具），smooth tolerance选的越大越平滑6.可以打开shp文件的属性列表，根据属性筛选，把长度足够大的给保留一下（这一步会有点不科学，视情况而定，很短的等高线删除不影响）7.右键选择label feature...
2021-11-29 23:01:15
1003
原创 Python地图散点可视化（DMS采样位点）
import pandas as pddf=pd.read_csv('1972_data.csv')df['DateTime']=pd.to_datetime(df['DateTime'])df['Month'] = df['DateTime'].dt.month import matplotlib.pyplot as plt###引入库包import numpy as npimport matplotlib as mplimport cartopy.crs as ccrsimport
2021-11-17 09:59:56
1557
原创 enumerate()函数与列表一起使用
# enumerate()函数与列表一起使用supplies=['pens','staplers','flamethrowers','binders']for index,item in enumerate(supplies): print('Index '+str(index)+' in supplies is: '+item)输出：Index 0 in supplies is: pensIndex 1 in supplies is: staplersIndex 2 in suppl
2021-10-19 15:24:21
163
原创 Pandas按季节进行重采样
import pandas as pddata=pd.read_excel('asl.xlsx')data=data.set_index('time')season_data=data.iloc[2:,:]season_data.resample('3M',closed='left').mean().to_excel('seasonal.xlsx')seasonal=season_data.resample('3M',closed='left').mean()seasonal.iloc[::4,
2021-10-13 11:47:57
326
原创 Python 计算两个序列之间差异的显著性水平检验
###################################################尝试显著性检验## 把2月份和3月份# 从整体上来看，先看边界层高度的情况# 整理气象数据# 读数据import netCDF4 as ncimport pandas as pdimport numpy as npfile1 = r'C:\Users\LHW\Desktop\Hubei task120210918\meteology\adaptor.mars.internal-163198
2021-09-25 11:36:50
1525
原创 Python 绘制contourf图
from scipy import interpolateimport matplotlib.pyplot as pltimport numpy as npxx, yy = np.meshgrid(lon2, lat2)zz=ws20190203import geopandasfrom shapely import geometryimport matplotlib.pyplot as pltimport jsonimport matplotlib.ticker as ticker
2021-09-24 17:01:25
1816
原创 Cartory地图可视化
# 从整体上来看，先看边界层高度的情况# 整理气象数据# 读数据import netCDF4 as ncimport pandas as pdimport numpy as npfile1 = r'C:\Users\LHW\Desktop\Hubei task120210918\meteology\adaptor.mars.internal-1631981155.7723448-28568-14-37c609d7-a545-4a66-b4e3-3f73bf08819b.nc'dataset1
2021-09-24 13:37:05
217
原创 Python geojson文件可视化
# 从整体上来看，先看边界层高度的情况# 整理气象数据# 读数据import netCDF4 as ncimport pandas as pdimport numpy as npfile1 = r'.\adaptor.mars.internal-1631981155.7723448-28568-14-37c609d7-a545-4a66-b4e3-3f73bf08819b.nc'dataset1 = nc.Dataset(file1)lon1=dataset1.variables['lon
2021-09-24 00:06:07
1010
1
原创 R语言画风向图
setwd('C:/Users/LHW/Desktop/polarplot_test/')#读取CSV文件data <- read.csv("1290A_model_data.csv", header = TRUE)data<-na.omit(data)colnames(data)[11]<-'ws'colnames(data)[13]<-'wd'library(openair)library(polarplotr)# Plot a "standard" pol
2021-09-21 21:55:30
1158
原创 R语言绘制bivariate polar plots
library(openair)library(polarplotr)# Plot a "standard" polar plotpolarPlot(data, pollutant = "X1290A", statistic = "mean")
2021-09-21 21:53:05
1389
7
原创 Python matplotlib画图将图例变成单行
import matplotlib.pyplot as pltplt.legend(col=2)
2021-09-21 19:32:54
1124
转载 Python matplotlib画图将图例放在外侧
import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfig = plt.figure(1)ax1 = fig.add_subplot(2,2,1)ax2 = fig.add_subplot(2,2,2)ax3 = fig.add_subplot(2,2,3)ax4 = fig.add_subplot(2,2,4)df1 = pd.DataFrame(np.random.randn(3,5),columns
2021-09-21 19:27:55
4935
转载 Python plotnine自定义散点画图
import pandas as pdfrom plotnine import *from plotnine.data import mtcars%matplotlib inlinemixed_shapes = ( r'$\mathrm{A}$', r'$\mathrm{B}$', r'$\mathrm{C}$', r'$\mathrm{D}$',)(ggplot(mtcars, aes('wt', 'mpg', shape='factor(gear)',
2021-09-21 11:41:08
420
原创 Python画PM2.5时间序列图
import pandas as pd# 作图，先画2019年data_mean=pd.read_excel('three_year_mean.xlsx')data_std=pd.read_excel('three_year_std.xlsx')mean1=data_mean['2019_pm25']std1=data_std['2019_pm25']mean2=data_mean['2020_pm25']std2=data_std['2020_pm25']%matplotlib inli
2021-09-19 11:49:40
946
原创 R语言处理PM2.5文件
setwd('C:/Users/LHW/Desktop/Hubei task120210918/')site_loc <- read.table("clipboard",sep="\t",header = T)avector = c()for(atmp in site_loc['监测点编码']) { avector <- atmp }library(readxl)library(lubridate)#Author: Tianshu Chen#Mail: tianshu129@1
2021-09-18 22:29:27
338
原创 Python进行克里金插值可视化
处理数据并进行克里金插值# 处理数据后进行克里金插值import pandas as pdpm25_region=pd.read_csv(r"C:\Users\LHW\Desktop\Hubei task120210918\extract_pm25\PM25_region.csv")del pm25_region['type']year_list=['2019','2020','2021']data_list=[]for year in year_list: pm25_region['
2021-09-18 22:21:33
5507
5
原创 Python计算两个时间序列的互相关
import pandas as pd#刚开始做一次相关系数和P值分析#把第二个列表复制一下#原来的那个数组一直做右移，每移一次，记录一下右移的步长，相关系数和P值#另外一个复制过的数组一直做左移，每移一次，记录一下左移的步长，相关系数和P值from scipy.stats import pearsonrA=[1,2,3,4,5,6,7,8,9,1,2,3]B=[1.3,3.2,5.6,7,1,3,3,1,5,6,7,9]lag=[]#滞后的步长pearsonrs=[]pvalues=[
2021-09-17 21:37:42
1933
原创 Python读取txt文件中的两列数据（无title）
import codecsfilecp = codecs.open('sunspot.dat', encoding ='utf-8')file_data = np.loadtxt(filecp, usecols=(0,1),skiprows=1)x = file_data[:,0]y = file_data[:,1]
2021-09-16 00:00:35
3968
转载 Python进行功率谱分析
import numpy as npfrom scipy.stats.distributions import chi2'''功率谱分析输入：x：需要分析的时间序列(原始序列，未标准化或距平处理)m：最大滞后相关长度，m取值范围最好在(n/10)~(n/3)之间，n为样本数，可以多次调整m获得最佳效果，通常取m=n/3alpha1：红噪音检验信度alpha2：白噪音检验信度输出：l：功率谱图的X坐标，对应的周期为2m/l，使用时自己调整tick labelsSl：功率谱估计值Sr：红
2021-09-15 23:58:48
4549
1
原创 Python画置信区间图
import matplotlib.pyplot as pltimport seaborn as snsimport pandas as pdimport matplotlib as mplsns.set(font_scale=1.5)#修改默认设置mpl.rcParams["font.family"] = 'Times New Roman' #默认字体类型mpl.rcParams["mathtext.fontset"] = 'cm' #数学文字字体mpl.rcParams["font.s
2021-09-15 16:17:49
5420
1
原创 Python绘制南极投影（及散点热力图）
import matplotlib.pyplot as pltimport matplotlib.path as mpathimport matplotlib.ticker as mtickerimport cartopy.crs as ccrsimport cartopy.feature as cfeaturefrom cartopy.mpl.gridliner import LONGITUDE_FORMATTER, LATITUDE_FORMATTERimport cartopy.mpl.t
2021-09-14 18:33:35
1953
原创 Python计算某一区域平均海温
import netCDF4 as ncimport pandas as pdimport numpy as np# 海冰file = '.\sst\HadISST_sst.nc\HadISST_sst.nc'dataset = nc.Dataset(file)# 查看一些文件中都有哪一些变量print(dataset.variables.keys())# lat:180 lon:360 time:1818# sst(time=1818, latitude=180, longitude
2021-08-30 14:42:51
3046
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人