Python 计算两个序列之间差异的显著性水平检验

原创已于 2022-03-12 16:31:28 修改 · 1.8k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#python

于 2021-09-25 11:36:50 首次发布

该博客展示了如何利用Python的科学计算库scipy进行独立样本t检验，以分析2019年2月3日和2020年2月3日的气象数据中边界层高度的显著性差异。通过读取netCDF文件并遍历数据，计算每个位置的p值，最终得到一个显著性检验的矩阵。这有助于理解不同时间点的气象参数变化。

部署运行你感兴趣的模型镜像

###################################################尝试显著性检验
## 把2月份和3月份
# 从整体上来看，先看边界层高度的情况
# 整理气象数据
# 读数据
import netCDF4 as nc
import pandas as pd
import numpy as np
from scipy import stats

def get_p_value(arrA, arrB):
    a = np.array(arrA)
    b = np.array(arrB)
    t, p = stats.ttest_ind(a,b)

file1 = r'C:\Users\LHW\Desktop\Hubei task120210918\meteology\adaptor.mars.internal-1631981155.7723448-28568-14-37c609d7-a545-4a66-b4e3-3f73bf08819b.nc'
file2 =r'C:\Users\LHW\Desktop\Hubei task120210918\meteology\adaptor.mars.internal-1631983289.050715-24266-17-3c804cfb-3277-455a-a01d-1f362109c96d.nc'
file3 = r'C:\Users\LHW\Desktop\Hubei task120210918\meteology\adaptor.mars.internal-1631983382.3185003-7481-11-e104bfc6-9c58-451c-ab8d-edbf4ae0a58d.nc'
file4 = r'C:\Users\LHW\Desktop\Hubei task120210918\meteology\adaptor.mars.internal-1631983578.5396793-21124-12-b3d63215-5cbc-4b95-8397-e15f3b7df515.nc'

dataset1 = nc.Dataset(file1)
lon1=dataset1.variables['longitude'][:]
lat1=dataset1.variables['latitude'][:]
BLH=dataset1.variables['blh'][:]

BLH20190203=BLH[736:2152,:,:]
BLH20200203=BLH[3616:5056,:,:]

# 新建一个显著性检验的表格
BLH_p=np.zeros(BLH20190203.shape[1:])
row=BLH20190203.shape[1]
col=BLH20190203.shape[2]
for i in range(row):
    for j in range(col):
        BLH_p[i,j]=get_p_value(BLH20190203[:,i,j],BLH20200203[:,i,j])