如何使用python对降水数据进行k-means聚类分析

jchsteven

如何使用python对格网降水数据进行k-means聚类分析问题描述在图片里面

Eremite

本人愚见，参考摸鱼大佬的
####获取不同类index
label0=np.array(np.where(labels==1))
label1=np.array(np.where(labels==2))
label2=np.array(np.where(labels==3))

label0=label0[0].tolist()
label1=label1[0].tolist()
label2=label2[0].tolist()

##########将不同类index转化为时间序列
case1=[]
for l1 in label0:
    case1.append(time[l1])
case1=[np.datetime64(x) for x in case1]

case2=[]
for l2 in label1:
    case2.append(time[l2])
case2=[np.datetime64(x) for x in case2]

case3=[]
for l3 in label2:
    case3.append(time[l3])
case3=[np.datetime64(x) for x in case3]


lon_slice = slice(75,115)
lat_slice = slice(30,10)
lats = hgt_data.latitude.sel(latitude=lat_slice).values
lons = hgt_data.longitude.sel(longitude=lon_slice).values
proj = ccrs.PlateCarree()
####根据不同类时间序列索引数据并平均
hgt_700_case1 = mpcalc.smooth_n_point(hgt_data.z.metpy.sel(time=case1,level=700, latitude=lat_slice, longitude=lon_slice).mean(axis=0).squeeze(), 9, 50)
hgt_700_case2 = mpcalc.smooth_n_point(hgt_data.z.metpy.sel(time=case2,level=700, latitude=lat_slice, longitude=lon_slice).mean(axis=0).squeeze(), 9, 50)
hgt_700_case3 = mpcalc.smooth_n_point(hgt_data.z.metpy.sel(time=case3,level=700, latitude=lat_slice, longitude=lon_slice).mean(axis=0).squeeze(), 9, 50)
根据然后画子图共享一下bar

jchsteven

Eremite 发表于 2020-12-29 09:26
本人愚见，参考摸鱼大佬的
####获取不同类index
label0=np.array(np.where(labels==1))

谢谢你啊，我先试一试，又不懂的我又在帖子里问大家

雪域小丹

问题已经解决了吗