本文档详述了使用Python进行气象数据分析的实践，涵盖Python基础、Numpy、Pandas、Xarray和Dask库的教程，以及Matplotlib、Cartopy、Metpy和Basemap的气象可视化方法。同时，介绍了气象数据的读取、处理、计算和机器学习应用，提供了一系列项目案例，包括机器学习在气象预报中的应用。
目录
1.气象数据科学语言教程
(1)Python 基础
说明：Python 在气象、人工智能、机器学习领域受到火热追捧，很大程度上在于它拥有非常庞大的第三方库，以及强大的通用编程性能。因此，想要逐渐掌握 Python 数据分析，可以通过学习和了解如何利用 Python 调用 Python 的各种第三方库和工具包，感受运用 Python 进行数据分析的便利性。
(2)Numpy教程
说明：Numpy 是 Python 数值计算的基石，它提供多种数据结构、算法以及大部分设计 Python 数值计算所需的接口。Numpy 能够赋予 Python 快速处理数组的能力，除此之外，Numpy 的另一个主要用途是在算法和库之间作为数据传递的数据容器。
(3)Pandas教程
说明：Pandas 为数据分析提供了高级数据结构和函数，使得利用结构化、表格化数据的工作快速、简单、表现力。做数据分析主要使用的 Pandas 对象是 DataFrame（用于实现表格化、面向列、使用行列标签的数据结构）和 Series（一种一维标签数组对象）。
(4)Xarray实例
说明：由于气象数据大多为多维数据，Xarray 提供了一种高效读取和处理多维数据的方式方法，它特别适合处理 netCDF 文件，在类似于 NumPy 的原始数组上以尺寸、坐标和属性的形式引入标签，从而能提供给研究人员更直观，更简洁和更少出错的体验。该软件包包括一个庞大且不断增长的功能库，使用这些数据结构可以实现对气象数据的高级分析和可视化。
(5)Dask教程
2.气象数据读取/数据处理/数据分析/数值计算
气象之批量下载气象数据(EC;NCEP;CMIP)（python）
【气象数据处理】利用pygrib解码GRIB数据，以GFS为例
3.气象可视化
(1)Matplotlib绘图教程
(2)Cartopy绘图教程
Cartopy 调用天地图在线服务(原创)
Cartopy绘图 | 中国地图最正确的使用方式
(3)Metpy绘图教程
大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图
(4)Basemap库教程
Basemap——Inset locators（镶嵌式定位器）
(5)气象可视化案例
基于暗通道的去雾算法
ERA5降水数据下载与绘图
气象数据分析——克里金(Kriging)插值与可视化
4.机器学习系列教程
(1)周志华《机器学习》西瓜书笔记
知识点：误差、过拟合、评估、训练&测试集划分、调参、性能度量、比较检验、偏差与方差
知识点：线性回归、线性几率回归、线性判别分析、多分类学习、类别不平衡问题
知识点：决策树的构造、剪枝处理、连续值与缺失值处理
知识点：感知机与多层网络、BP神经网络算法、全局最小、深度学习
知识点：函数间隔与几何间隔、最大间隔与支持向量、对偶问题、核函数、软间隔支持向量机
知识点：贝叶斯决策论、极大似然法、朴素贝叶斯分类器
知识点：EM算法思想、数学推导、算法流程
知识点：Boosting、Bagging与Random Forest、结合策略、多样性
知识点：距离度量、性能度量、原型聚类、密度聚类、层次聚类
知识点：K近邻、MDS算法、主成分分析、核化线性降维、流形学习、度量学习
知识点：子集搜索与评价、过滤式选择、包裹式选择、嵌入式选择与正则化、稀疏表示与字典学习、压缩感知
知识点：PAC学习、有限假设空间、VC维、稳定性
知识点：生成式方法、半监督SVM、基于分歧的方法、半监督聚类
知识点：隐马尔可夫模型、隐马尔可夫模型、条件随机场、学习与推断、LDA话题
知识点：K摇摆赌博机、有模型学习、蒙特卡罗强化学习
(2)吴恩达《机器学习》
包含了吴恩达机器学习的python实现，题目内容可以查看数据集，代码来自网络（原作者黄广海的github），添加了部分对于题意的中文翻译，以及修改成与习题一致的结构，方便理解。
扫一扫
9592
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
