使用Python可视化气候变化数据 使用xarray和cartopy Python库生成气候变化数据（GISTEMP v4）的图表和动画。

双频降水雷达Python软件包（DRpy） （发音为derpy） 注意：修复了io功能（2021年3月8日） 我期待使用自定义绘图功能。 在本月晚些时候给大家。 drpy.core.GPMDPR（）： 此类旨在从NASA的全球降水测量任务双频降水雷达（GPM-DPR）中读取hdf5文件到xarray数据集中。 drpy.core.APR（）： 此类旨在用于从NASA的机载降水雷达（主要在OLYMPEX中开发）中读取hdf5文件，因此，如果您使用其他活动时要当心，则某些数据集名称可能会有所不同。 创建此程序包的原因不是重新发明轮子（即h5py可以正常工作），而是允许用户访问xarray中的有用功能。 具体来说，当前支持的数据文件是2级DPR文件（2A.DPR *）。 拥有帐户后，您可以从这里免费下载它们：ftp://arthurhou.pps.eosdis.nasa.gov

xarray 是一个开源 Python 包，让多维数组处理更加简单、高效并有趣 xarray：ND 标记数组和数据集 xarray（以前称为 xray）是一个开源项目和 Python 包，它使处理标记多维数组变得简单、高效且有趣！ Xarray 在原始 NumPy 类数组之上以维度、坐标和属性的形式引入标签，从而提供更直观、更简洁且不易出错的开发人员体验。 该软件包包括一个庞大且不断增长的领域无关函数库，用于使用这些数据结构进行高级分析和可视化。 Xarray 受到熊猫的启发并大量借鉴，熊猫是一种流行的数据分析包，专注于标记的表格数据。 它特别适用于处理作为 xarray 数据模型来源的 netCDF 文件，并与 dask 紧密集成以进行并行计算。 为什么是xarray？ 多维（又名 N 维，ND）数组（有时称为“张量”）是计算科学的重要组成部分。 它们在广泛的领域中遇到，包括物理学、天文学、地球科学、生物信息学、工程、金融和深度学习。 在 Python 中，NumPy 提供了用于处理原始 ND 数组的基本数据结构和 API。 然而，现实世界的数据集通常不仅仅是原始数

xgrads 1.简介 网格分析和显示系统（ 或 ）是一种广泛使用的软件，可轻松访问，操纵和可视化地球科学数据。 它使用的来描述原始二进制4D数据集。 ctl文件类似于文件的头信息，其中包含有关变量，属性和变量的所有信息（可变数据除外）。 此python软件包专门用于解析和读取常用的.ctl文件。 现在，它可以解析各种.ctl文件。 然而，只有常用原始二进制数据集4D可以使用读和返回作为其它类型的二进制数据，如dtype是station或者grib ，可能在将来被支持。 2.如何安装 要求xgrads是在具有xarray条件的环境下开发的： dask （=版本0.15.0）， dask \uff08=

xarray 是一个开源 Python 包，让多维数组处理更加简单、高效并有趣

Pyomeca是一个python库，可让您进行完整的生物力学分析。 以一种简单，逻辑和简洁的方式。 pyomeca文档 请参阅Pyomeca的。 例子 pyomeca实现了生物力学中常用的专门功能。 例如，让我们处理此包含的肌电数据。 您可以使用我们的活页夹服务器继续安装，而无需进行任何安装： from pyomeca import Analogs data_path = "../tests/data/markers_analogs.c3d" muscles = [ "Delt_ant" , "Delt_med" , "Delt_post" , "Supra" , "Infra" , "Subscap" , ] emg = Analogs . from_c3d ( data_path , suffix_delimiter = "." ,

Python中的最大协方差分析 最大协方差分析（MCA）使两个不同数据字段之间的时间协方差最大化，并且与主成分分析（PCA）/经验正交函数（EOF）分析密切相关，后者使单个数据字段内的方差最大化。 MCA允许提取两个不同数据字段之间的主要共变模式。 xmca模块可将numpy.ndarray和xarray.DataArray用作输入字段。 测验 python -m unittest discover -v -s tests/ 核心功能 标准MCA / PCA 最大化协方差而不是相关==>最大协方差分析（MCA） 对数据字段应用纬度校正以补偿较高纬度中的拉伸区域 应用奇异矢量的旋转 正交Varimax旋转 倾斜的Promax旋转 通过希尔伯特变换使数据复杂化，以检查振幅和相位信息

:globe_showing_Europe-Africa: xarray-spatial：Python中基于栅格的空间分析 :round_pushpin: 快速，准确的Python库，可进行栅格操作 :high_voltage: 可通过扩展 :fast-forward_button: 可通过扩展 :confetti_ball: 没有GDAL / GEOS依赖项 :globe_showing_Europe-Africa: 通用空间处理，面向GIS专业人员 Xarray-Spatial使用Numba实现了常见的栅格分析功能，并提供了易于安装，易于扩展的代码库来进行栅格分析。 安装 # via pip pip install xarray-spatial # via conda conda install -c conda-forge xarray-spatial 下载我们的入门示例和数据 一旦在环境中安装了xarray-spatial，就可以在终端中（环境处于活动状态）使用以下命令之一将我们的示例和/或示例数据下载到本地目录中。 xrspatial examples ：下载示例

适用于GEOS-Chem用户的Python / xarray教程 安装 立即免费在云上试用 ，在免费提供的云平台上启动预配置的笔记本环境。 如果您无法加载该页面，请使用Chrome浏览器。 如果加载失败，请刷新页面。 如果页面加载成功，您应该会看到界面。 然后，单击第一个笔记本上手。 Jupyter将Python代码，执行结果，绘图，自定义文本甚至Latex公式组合在一个页面中。 除了使用Jupyter程序外，您还可以在GitHub上查看静态笔记本（例如）。 请按照学习基本操作。 最重要的命令是Shift+Enter以执行当前代码块。 在您自己的计算机上安装 Python是免费和开源

python开发中使用gdal、rasterio、xarray、geocoder和geopandas等依赖包时，需要的rasterio依赖包，先安装gdal，在安装rasterio.