使用python进行一些气候相关统计量的计算

cwllsss

莫名其妙就开学了.发个帖子督促自己学习.
使用python进行一些常见统计量的计算.
反正学到哪里写到哪里(总之大概是会很很落后于上课进度的)

cwllsss

平均值的计算
#使用jupyter
#导入numpy和pandas这两个库
import numpy as np
import pandas as pd
1.自定义函数
#定义mean函数求数据均值
def mean(arr):
    n = arr.shape[0]
    sum = 0
    for i in range(0,5):
        sum +=arr
    meanArr = sum/n
    return meanArr



#计算均值
#NumPy 从已有的数组创建数组
#numpy.asarray(a, dtype = None, order = None)
arr1 = [1,2,3,4,5]
arr1 = np.asarray(arr1, dtype = None, order = None)
#获得数组中元素的个数
n = arr1.shape[0]

--------------------------------------------------------------------

--------------------------------------------------------------------

meanArr1 =  mean(arr1)
-------------------------------------------------------------------



--------------------------------------------------------------------

2.也可以使用numpy的函数 numpy.mean()
'''numpy.mean()
  numpy.mean() 函数返回数组中元素的算术平均值。 如果提供了轴，则沿其计算。

算术平均值是沿轴的元素的总和除以元素的数量。'''

meanArr2 = np.mean(arr1)

#还可以使用pandas的函数 series1.mean()

arr2 = [1,2,3,4,5]
series1 = pd.Series(arr2)

series1.mean()

'''在气象数据分析上面,一个数据的维度可能为(time,latitude,longitude,level)
若有同位素HDO的数据为HDO(time,latitude,longitude,level)'''
HDO_Timemean = np.mean(HDO,0) #沿0轴(也就是time时间轴进行平均计算)
HDO_Latmean = np.mean(HDO,1) #沿0轴(也就是latitude纬度轴进行平均计算)
HDO_Lonmean = np.mean(HDO,2) #沿0轴(也就是longitude经度轴进行平均计算)
HDO_Levmean = np.mean(HDO,3) #沿0轴(也就是level高度轴进行平均计算)


3.pandas也有类似的用法
#先使用numpy生成随机数供计算
'''np.random.ranint(low,hight,size)

  生成(low，high）之间size个的随机数'''

arr3 = np.random.randint(1,100,size=[5,10])



series2 = pd.DataFrame(arr3)#生成pd的数据类型DataFrame


#按列求平均值
series2.mean(axis=0)
#返回10列的平均值


#axis 可以省略
series2.mean(0)


#按行求平均值
series2.mean(axis=1)
#返回5行的平均值

cwllsss

关于排序
import numpy as np
import pandas as pd



#生成随机数
arr1 = np.random.randint(1,100,size=10)


1.对于列表类型的数据
#list.sort(cmp=None, key=None, reverse=False)
#reverse -- 排序规则，reverse = True 降序， reverse = False 升序（默认）
#该种方式直接更改原始数据,不会产生副本


#转化成列表类型
list1 = list(arr1)
#list1.sort() 该种方式直接更改原始数据,不会产生副本
list1.sort()#升序

list1.sort(reverse = True)#降序

2.sorted()
#升序排序,对所有的可迭代序列都有效
sorted(arr1)
sorted(list1)


3.numpy
np.sort(arr1)#升序排序
np.sort(arr1)[::-1]#降序排序

cwllsss

中位数的计算

import numpy as np
1.自定义函数
def median(arr):
    #获得arr的元素总数
    n = arr.size
   #排序
    arrSort = np.sort(arr)

    arrMedian = arr[0]

    if (n%2==0):
        arrMedian = (arrSort[int((n/2-1))]+arrSort[int((n/2))])/2

    elif(n%2!=0):
        arrMedian = arrSort[int((n-1)/2)]
    return arrMedian
   

#生成随机数
arr1 = np.random.randint(1,100,size=1000)

arr1Median1 = median(arr1)

2.使用np.median()函数
arr1Median2 = np.median(arr1)

cwllsss

平均数(mean)与中位数(median)
两者都是表征中心趋势的统计量
但不同之处在于

平均数(mean)易受界外影响中位数(median)更稳健 合理
譬如序列[1,1,2,2,80],平均数= 17.2 就无法准确表征中心趋势而中位数=2,则可以准确表征中心趋势


平均数常用于正态分布数据
中位数常用于偏态分布数据

urnotcotton

{:eb502:}鼓励！坚持！加油！！

cwllsss

urnotcotton 发表于 2020-9-21 20:37
鼓励！坚持！加油！！

会坚持的!!谢谢鼓励!!!

珮瑶瑶

cwllsss 发表于 2020-9-22 09:59
会坚持的!!谢谢鼓励!!!

不错！能不能给个计算实例

cwllsss

珮瑶瑶 发表于 2020-9-23 14:22
不错！能不能给个计算实例

请问是指什么样的实例呢？上面需要用到数据的地方都是采用的numpy的随机数生成的数据。如果是气象类的计算的话。我可能一时之间找不到合适的数据。感觉目前写的都是很小很小的东西。

yya913

用describe()就可以将mean，variance，百分位数等全部计算出来。但在处理气象数据的时候，比较麻烦的是缺测值，楼主可要当心哦。