python iris实现格点差值
2017-05-25 19:25
267 查看
1.引言
iris是英国开发的气象数据处理python软件包,相较于比较常用的netcdf4,pygrib等包进一步融入了数据分析,差值等功能,非常好用且功能强大。气象数据中数据种类繁多,常遇到经纬度网格的重新差值问题。随着python在科学计算及数据挖掘等领域的深入发展,相较于传统的ncl,未来python处理大数据量的气象数据将会很有优势,会形成一种趋势。下面就以netcdf4(nc)文件为例,使用iris包做一个各点的差值操作。
2. 代码及流程
# 导入iris import iris import numpy as np # 导入数据,iris中的多维数据抽象是cube,详细参见官网 cubes = iris.load('gpcp.nc') # 选取其中一个六月份的cube june = cubes[0] # interpolation差值,首先定义样本点,将2.5度的网格转成1度 sample_points = [('longitude', np.linspace(-180, 180, 360)), ('latitude', np.linspace(-90, 90, 181))] # 开始差值 june_int = june.interpolate(sample_points, iris.analysis.Linear()) # 保存结果 iris.save(june_int, 'gpcp_int.nc')
官网差值介绍
相关文章推荐
- python中利用KNN实现对iris进行分类
- Python 3实现k-邻近算法以及 iris 数据集分类应用
- python 实现 knn分类算法 (Iris 数据集)
- python 实现 Peceptron Learning Algorithm ( 三) 感知机模型应用于Iris数据集
- python 实现 Peceptron Learning Algorithm ( 三) 感知机模型应用于Iris数据集
- [置顶] 【python 神经网络】BP神经网络python实现-iris数据集分类
- python 实现 Peceptron Learning Algorithm ( 三) 感知机模型应用于Iris数据集
- python 实现 Peceptron Learning Algorithm ( 三) 感知机模型应用于Iris数据集
- python 实现 Peceptron Learning Algorithm ( 三) 感知机模型应用于Iris数据集
- python 实现 Peceptron Learning Algorithm ( 三) 感知机模型应用于Iris数据集
- python实现 模糊C均值聚类算法(Fuzzy-C-Means)-基于iris数据集
- python 实现 Peceptron Learning Algorithm ( 三) 感知机模型应用于Iris数据集
- python 实现 Peceptron Learning Algorithm ( 三) 感知机模型应用于Iris数据集
- python 实现 Peceptron Learning Algorithm ( 三) 感知机模型应用于Iris数据集
- python 实现 Peceptron Learning Algorithm ( 三) 感知机模型应用于Iris数据集
- python 实现 Peceptron Learning Algorithm ( 三) 感知机模型应用于Iris数据集
- 【python|ML】k-fold/leave-one-out 方法在对率回归实现(西瓜书习题3.4,数据UCI-iris)
- python 实现 Peceptron Learning Algorithm ( 三) 感知机模型应用于Iris数据集
- python 实现 Peceptron Learning Algorithm ( 三) 感知机模型应用于Iris数据集
- python 实现 Peceptron Learning Algorithm ( 三) 感知机模型应用于Iris数据集