Python气象应用编程

随着科技的发展，气象学的相关研究对从业人员提出了更高的计算机编程要求，气象与计算机技术的深度融合成为发展的趋势。 本书关注Python在气象数据处理与可视化方面的应用，循序渐进地介绍Python基础应用，内容涵盖了NumPy、pandas、xarray、SciPy、Metpy、Matplotlib等常用于气象领域的模块的具体用法。本书提供了大量浅显易懂的与气象相关的示例，涵盖多种常见应用场景，极大地降低了读者的学习成本。 通过阅读本书，读者可以在较短时间内掌握Python在气象数据处理与可视化中的常用编程技能。

Python语言凭借其简洁、易读及可扩展性等特点，已成为程序设计领域备受欢迎的语言之一。丰富的Python第三方包（又称“第三方库”）使得Python可以应用于多个领域，气象研究与应用领域也不例外。由NCL转化来的库很大程度地方便了读者的学习。
本书内容由浅入深且针对性强，示例丰富且涉及面广，系统地介绍Python语言的基本语法、高级特征以及与气象应用密切相关的工具包。本书从Python和Linux的基础知识开始讲解，无编程基础或需巩固基础的读者也能阅读；然后介绍气象数据的读取、处理等；接着介绍绘图基础知识与常用的气象绘图方案；继而介绍一些常用气象物理量计算以及统计方法与检验等；最后介绍简易机器学习入门和几种Python计算加速方案。

杨效业，南京信息工程大学气象学博士在读，气象专业微信公众号“气海无涯”联合创始人，利用Python语言进行气象数据处理及可视化，并发表专业论文二十余篇，在气象家园、简书、哔哩哔哩等平台发布的Python气象编程系列教程受到广泛好评。 杨青霖，2019年毕业于南京信息工程大学大气科学专业。2016年起将Python作为主要工具来进行气象数据处理及可视化，致力于代码工程化。曾任某知名气象公司任Python工程师，现就职于百度网络科技公司。 张诗悦，南京信息工程大学气象学博士在读，主要研究方向为气候变化对大气污染的影响，以Python为主要语言进行数据处理及可视化，并发表多篇SCI论文。

第1章认识Python1
1．1Python简介1
1．1．1Python与气象2
1．1．2Python与NCL2
1．1．3为什么使用Miniconda2
1．2开始使用3
1．2．1Miniconda安装3
1．2．2设置conda与pip镜像源9
1．2．3conda环境10
1．3Linux与Bash12
1．3．1Linux发行版12
1．3．2目录结构12
1．3．3用户与用户组13
1．3．4目录权限管理14
1．3．5远程登录15
1．3．6输入输出重定向15
1．3．7常用命令16
1．4Python包管理20
1．4．1conda20
1．4．2pip21
1．5编辑体验21
1．5．1交互式笔记本——Jupyter21
1．5．2工程型开发环境工具30
第2章Python语言基础33
2．1变量33
2．2原生数据类型36
2．2．1数值36
2．2．2空值38
2．2．3字符串38
2．2．4列表和元组41
2．2．5集合47
2．2．6字典49
2．3判断53
2．3．1比较操作54
2．3．2如果条件的值不是布尔值54
2．3．3多重条件55
2．4循环和迭代55
2．4．1循环56
2．4．2迭代57
2．5序列切片60
2．6解析式61
2．6．1列表解析式61
2．6．2字典解析式63
2．6．3集合解析式63
2．6．4生成器解析式63
2．7函数64
2．7．1定义函数64
2．7．2函数的参数66
2．7．3匿名函数69
2．7．4闭包与装饰器70
2．7．5高阶函数73
2．8面向对象基础74
2．8．1什么是对象74
2．8．2类和继承75
第3章NumPy：Python数值计算之源80
3．1安装80
3．2多维数组和列表81
3．3多维数组的特征81
3．3．1数据类型81
3．3．2轴与维度82
3．4创建多维数组83
3．4．1np．array()——直接创建83
3．4．2np．zeros()——根据shape参数创建数组84
3．4．3np．arange()——根据起点、终点和步长创建84
3．4．4np．linspace()——根据起点、终点和元素数量创建85
3．4．5np．random．randn()——生成符合标准正态分布的随机多维数组85
3．5数组间运算和广播运算85
3．6多维数组的索引和切片88
3．6．1普通索引和切片88
3．6．2高级索引89
3．7多维数组对象的方法90
3．7．1reshape()——改变数组形状90
3．7．2transpose()——交换轴92
3．7．3mean()——计算平均值92
3．7．4sum()——计算元素和93
3．7．5std()——计算标准差94
3．7．6min()——取最小值/max()——取最大值94
3．7．7round()——进行四舍五入95
3．7．8dot()——执行向量/矩阵乘法95
3．7．9astype()——转换数值类型96
3．8NumPy的常用函数97
3．8．1数学计算函数97
3．8．2三角函数97
3．8．3浮点函数98
3．8．4非通用函数98
3．9NumPy中的常量99
3．10文件读写99
3．10．1文本格式文件的读取99
3．10．2文本格式文件的写入101
3．10．3顺序二进制文件的读写102
第4章pandas：优秀的数据分析工具104
4．1安装104
4．2pd．Series——序列104
4．2．1创建序列105
4．2．2时间索引106
4．2．3pd．Series对象的算术运算107
4．2．4pd．Series对象的常用属性108
4．2．5pd．Series对象的常用方法111
4．3pd．DataFrame——数据框123
4．3．1创建数据框123
4．3．2pd．DataFrame的时间索引125
4．3．3读取CSV文件125
4．3．4pd．DataFrame的算术运算128
4．3．5提取满足条件的行130
4．3．6pd．DataFrame的常用属性132
4．3．7pd．DataFrame的常用方法137
4．4pandas的常用函数156
4．4．1to_numeric()——将序列转换为数值类型156
4．4．2to_datetime()——将序列转换为时间戳类型157
4．4．3to_timedelta()——将序列转换为时间差类型158
4．4．4date_range()——生成时间序列159
4．4．5merge()——按值连接两个pd．DataFrame160
4．4．6concat()——合并多个pd．DataFrame162
第5章栅格数据处理163
5．1xarray与气象栅格数据处理163
5．1．1xarray的安装163
5．1．2xarray基础知识163
5．1．3数据数组164
5．1．4数据集169
5．1．5数据数组与数据集的处理173
5．2MetPy入门188
5．2．1MetPy的安装188
5．2．2MetPy的单位制188
5．2．3MetPy的常用常数190
第6章常用气象数据读取和预处理192
6．1文本文件192
6．1．1什么是文件字符编码192
6．1．2CSV文件194
6．1．3空格（制表符）作为分隔符的文件196
6．2Excel文件199
6．3NetCDF文件200
6．4GRIB文件201
6．4．1使用PyNIO201
6．4．2使用cfgrib203
6．5GrADS二进制文件205
6．5．1站点数据205
6．5．2栅格数据206
6．6WRF-ARW输出文件208
6．7雷达基数据文件211
6．8CIMISS的使用212
第7章气象数据插值213
7．1空间插值213
7．1．1从站点到栅格213
7．1．2从栅格到站点217
7．1．3从栅格到栅格219
7．2时间插值219
7．2．1站点时间内插220
7．2．2栅格时间内插221
第8章Python绘图基础222
8．1Matplotlib与cartopy基础知识223
8．1．1绘图结构223
8．1．2Figure、Axes与GeoAxes226
8．2地理绘图基础237
8．2．1shapefile/GeoJSON数据读取237
8．2．2在GeoAxes上绘制237
8．2．3几何数据筛选示例238
8．2．4多边形合并240
8．3颜色表（colormap）241
8．3．1Matplotlib的内置色标241
8．3．2MetPy库的内置色标241
8．3．3创建自定义色标242
8．4图像显示与保存246
8．4．1图像显示246
8．4．2图像保存247
第9章基本绘图类型与气象绘图248
9．1折线图248
9．1．1基本折线图250
9．1．2多折线图251
9．1．3多y轴折线图252
9．1．4非等比坐标轴图254
9．2散点图256


9．2．1基础散点图257

……