- 博客(18)
- 收藏
- 关注
RSS订阅原创 环境配置与SMOKE安装(已成功并测试)
环境配置与smoke安装1 设置环境变量2 zlib编译安装3 hdf5编译安装4 netcdf-c编译安装5 netcdf c++编译安装6 netcdf-fortran编译安装7 mpich编译安装8 test9 IOAPI编译安装Linux：RedHat1 设置环境变量vim ~/.bashrc# SMOKE####export NETCDF=/home/gonghaixing/netcdfexport PATH=$NETCDF/bin:$PATHexport LD_LIBRARY_
2022-05-18 16:32:20
2773
9
原创 极地投影及全球相关
极地投影及全球相关题目导入相关库数据处理绘图题目课程作业题目：选取base points, P(45N,165W),A（65N, 20W）,利用1950-2020年月平均 DJF 500mb 高度场计算Figure 8.4 c,d 中的one-point correlation maps. 注意第一年DJF为1950年12月，1951年1， 2月，这三个月是连续的， 记为1950/51 DJF。计算相关系数前去除每个月的70年的气候平均， 得到每个月的异常，再把DJF连接起来， 每个格点得到70*3=
2022-05-08 18:46:14
956
1
原创 EVI月变化时间序列绘图
EVI月变化时间序列绘图1 导入相关模块2 加载数据绘图1 导入相关模块import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport matplotlib.ticker as tickerimport matplotlib as mpl2 加载数据EVI = pd.read_excel(r'D:\Users\62692\Desktop\相关性分析.xlsx').loc[:,'EVI']绘图# 设置
2022-04-11 13:30:59
516
原创 python索引相关
python索引相关pandas索引numpy索引pandas索引利用pandas索引指定数据# 索引白天的数据day = footprint[(footprint['时']>= 8) & (footprint['时']< 20)]day.reset_index(drop=True,inplace=True) # 重置索引numpy索引np.argwhere(np.array(FFP['xr']) == np.array(FFP['xr']).min())# np.
2022-03-23 10:45:01
1064
原创 数据处理中关于时间的相关操作
数据处理中关于时间的相关操作北京时间与世界时间相互转换北京时间与世界时间相互转换在科研中我们获取的数据往往是北京时间，有时候需要将北京时间转换为世界时间，简单理解，世界UTC时间比北京时间快8个小时，即北京时=世界时+8，python中datetime可以轻松对这两种时间进行转换。首先，导入相关库import pandas as pdimport numpy as npfrom datetime import datetime, timedelta # 采用此函数import time
2022-03-17 16:23:44
2370
原创 利用os库批量处理文件或者文件夹
利用os库批量处理文件或者文件夹1 批量移动文件2 批量删除文件1 批量移动文件import osto_path = 'H:/China/LAI'for year in range(2003, 2021): os.chdir(r'H:/China/LAI/%d' % year) os.system('move *.tif %s' % to_path)2 批量删除文件import osfor i in range(2003,2021): for j in range(1
2022-02-24 10:46:21
688
原创 利用griddata进行插值
因为最近在做算法优化，所以对数据统一性有一定要求，在最近的研究中主要用一个简单的最近邻插值对数据集进行降尺度处理。主要运用到的函数时scipy里面的griddata第一步：导入相关库import xarray as xr from scipy.interpolate import griddata # 插值函数import numpy as np第二步：给出插值到的经纬度信息（目标经纬度）mask_tmp = xr.open_dataset('G:/China/temperatu
2022-01-22 23:14:26
6872
3
原创 利用MNIST-FASHION进行简单神经网络训练流程
简单神经网络训练流程1）设置步长lr，动量值gamma，迭代次数epochs，batch_size等信息，（如果需要）设置初始权重w0；2）导入数据，将数据切分成batches；3）定义神经网络框架；4）定义损失函数L(w)，如果需要，将损失函数调整成凸函数，以便求解最小值；5）定义所使用的优化算法；6）开始在epoches和batch上循环，执行优化算法：6.1）调整数据结构，确定数据能够在神经网络、损失函数和优化算法中顺利运行；6.2）完成向前传播，6.3）计算初始损失；6.3）反向
2021-12-12 11:12:05
775
原创 Rasterio入门
导入栅格数据import rasterio as rasimg = ras.open(r'F:\\data\\NDVI\\ndvi2016a')rasterio的open()函数接受一个路径字符串或类似路径的对象，并返回一个打开的数据集对象。路径可以指向任何支持的栅格格式的文件。Rasterio将使用适当的gdal格式驱动程序打开它。数据集对象具有与Python文件对象相同的一些属性。print(img.name)print(img.mode)print(img.closed)数据集属
2021-12-05 18:21:33
1782
原创 利用python指定函数将特定数据框起来，生成凸包
利用python指定函数将特定数据框起来，生成凸包函数：scipy.spatial.ConvexHull()ConvexHull直译是凸包，表示在一个平面上，我们能找到的最小的将一组数据全部包括在内的凸集通俗的来说凸包就是包围一组散点的最小凸边形相对的我们也有凹边形重要参数：类ConvexHull能够帮助我们创建N维凸包重要参数points：浮点数组成的n维数组，结构为(点的个数，维度)。表示用来构成凸包的坐标点。incremental：布尔值，可不填。允许不断向类中添加新的数据点。
2021-12-05 14:00:00
1772
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人