互联网 类型
9.6 豆瓣评分
可以朗读 语音朗读
308千字 字数
2023-01-01 发行日期
展开全部

主编推荐语

本书介绍了Python在气象数据处理与可视化方面的应用，以真实数据为基础进行气象数据整理和可视化。

内容简介

本书系统地介绍了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，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。

目录

  • 版权信息
  • 内容提要
  • 前言
  • 资源与支持
  • 第1章 认识Python
  • 1.1 Python简介
  • 1.1.1 Python与气象
  • 1.1.2 Python与NCL
  • 1.1.3 为什么使用Miniconda
  • 1.2 开始使用
  • 1.2.1 Miniconda安装
  • 1.2.2 设置conda与pip镜像源
  • 1.2.3 conda环境
  • 1.3 Linux与Bash
  • 1.3.1 Linux发行版
  • 1.3.2 目录结构
  • 1.3.3 用户与用户组
  • 1.3.4 目录权限管理
  • 1.3.5 远程登录
  • 1.3.6 输入输出重定向
  • 1.3.7 常用命令
  • 1.4 Python包管理
  • 1.4.1 conda
  • 1.4.2 pip
  • 1.5 编辑体验
  • 1.5.1 交互式笔记本——Jupyter
  • 1.5.2 工程型开发环境工具
  • 第2章 Python语言基础
  • 2.1 变量
  • 2.2 原生数据类型
  • 2.2.1 数值
  • 2.2.2 空值
  • 2.2.3 字符串
  • 2.2.4 列表和元组
  • 2.2.5 集合
  • 2.2.6 字典
  • 2.3 判断
  • 2.3.1 比较操作
  • 2.3.2 如果条件的值不是布尔值
  • 2.3.3 多重条件
  • 2.4 循环和迭代
  • 2.4.1 循环
  • 2.4.2 迭代
  • 2.5 序列切片
  • 2.6 解析式
  • 2.6.1 列表解析式
  • 2.6.2 字典解析式
  • 2.6.3 集合解析式
  • 2.6.4 生成器解析式
  • 2.7 函数
  • 2.7.1 定义函数
  • 2.7.2 函数的参数
  • 2.7.3 匿名函数
  • 2.7.4 闭包与装饰器
  • 2.7.5 高阶函数
  • 2.8 面向对象基础
  • 2.8.1 什么是对象
  • 2.8.2 类和继承
  • 第3章 NumPy：Python数值计算之源
  • 3.1 安装
  • 3.2 多维数组和列表
  • 3.3 多维数组的特征
  • 3.3.1 数据类型
  • 3.3.2 轴与维度
  • 3.4 创建多维数组
  • 3.4.1 np.array()——直接创建
  • 3.4.2 np.zeros()——根据shape参数创建数组
  • 3.4.3 np.arange()——根据起点、终点和步长创建
  • 3.4.4 np.linspace()——根据起点、终点和元素数量创建
  • 3.4.5 np.random.randn()——生成符合标准正态分布的随机多维数组
  • 3.5 数组间运算和广播运算
  • 3.6 多维数组的索引和切片
  • 3.6.1 普通索引和切片
  • 3.6.2 高级索引
  • 3.7 多维数组对象的方法
  • 3.7.1 reshape()——改变数组形状
  • 3.7.2 transpose()——交换轴
  • 3.7.3 mean()——计算平均值
  • 3.7.4 sum()——计算元素和
  • 3.7.5 std()——计算标准差
  • 3.7.6 min()——取最小值/max()——取最大值
  • 3.7.7 round()——进行四舍五入
  • 3.7.8 dot()——执行向量/矩阵乘法
  • 3.7.9 astype()——转换数值类型
  • 3.8 NumPy的常用函数
  • 3.8.1 数学计算函数
  • 3.8.2 三角函数
  • 3.8.3 浮点函数
  • 3.8.4 非通用函数
  • 3.9 NumPy中的常量
  • 3.10 文件读写
  • 3.10.1 文本格式文件的读取
  • 3.10.2 文本格式文件的写入
  • 3.10.3 顺序二进制文件的读写
  • 第4章 pandas：优秀的数据分析工具
  • 4.1 安装
  • 4.2 pd.Series——序列
  • 4.2.1 创建序列
  • 4.2.2 时间索引
  • 4.2.3 pd.Series对象的算术运算
  • 4.2.4 pd.Series对象的常用属性
  • 4.2.5 pd.Series对象的常用方法
  • 4.3 pd.DataFrame——数据框
  • 4.3.1 创建数据框
  • 4.3.2 pd.DataFrame的时间索引
  • 4.3.3 读取CSV文件
  • 4.3.4 pd.DataFrame的算术运算
  • 4.3.5 提取满足条件的行
  • 4.3.6 pd.DataFrame的常用属性
  • 4.3.7 pd.DataFrame的常用方法
  • 4.4 pandas的常用函数
  • 4.4.1 to_numeric()——将序列转换为数值类型
  • 4.4.2 to_datetime()——将序列转换为时间戳类型
  • 4.4.3 to_timedelta()——将序列转换为时间差类型
  • 4.4.4 date_range()——生成时间序列
  • 4.4.5 merge()——按值连接两个pd.DataFrame
  • 4.4.6 concat()——合并多个pd.DataFrame
  • 第5章 栅格数据处理
  • 5.1 xarray与气象栅格数据处理
  • 5.1.1 xarray的安装
  • 5.1.2 xarray基础知识
  • 5.1.3 数据数组
  • 5.1.4 数据集
  • 5.1.5 数据数组与数据集的处理
  • 5.2 MetPy入门
  • 5.2.1 MetPy的安装
  • 5.2.2 MetPy的单位制
  • 5.2.3 MetPy的常用常数
  • 第6章 常用气象数据读取和预处理
  • 6.1 文本文件
  • 6.1.1 什么是文件字符编码
  • 6.1.2 CSV文件
  • 6.1.3 空格（制表符）作为分隔符的文件
  • 6.2 Excel文件
  • 6.3 NetCDF文件
  • 6.4 GRIB文件
  • 6.4.1 使用PyNIO
  • 6.4.2 使用cfgrib
  • 6.5 GrADS二进制文件
  • 6.5.1 站点数据
  • 6.5.2 栅格数据
  • 6.6 WRF-ARW输出文件
  • 6.7 雷达基数据文件
  • 6.8 CIMISS的使用
  • 第7章 气象数据插值
  • 7.1 空间插值
  • 7.1.1 从站点到栅格
  • 7.1.2 从栅格到站点
  • 7.1.3 从栅格到栅格
  • 7.2 时间插值
  • 7.2.1 站点时间内插
  • 7.2.2 栅格时间内插
  • 第8章 Python绘图基础
  • 8.1 Matplotlib与cartopy基础知识
  • 8.1.1 绘图结构
  • 8.1.2 Figure、Axes与GeoAxes
  • 8.2 地理绘图基础
  • 8.2.1 shapefile/GeoJSON数据读取
  • 8.2.2 在GeoAxes上绘制
  • 8.2.3 几何数据筛选示例
  • 8.2.4 多边形合并
  • 8.3 颜色表（colormap）
  • 8.3.1 Matplotlib的内置色标
  • 8.3.2 MetPy库的内置色标
  • 8.3.3 创建自定义色标
  • 8.4 图像显示与保存
  • 8.4.1 图像显示
  • 8.4.2 图像保存
  • 第9章 基本绘图类型与气象绘图
  • 9.1 折线图
  • 9.1.1 基本折线图
  • 9.1.2 多折线图
  • 9.1.3 多y轴折线图
  • 9.1.4 非等比坐标轴图
  • 9.2 散点图
  • 9.2.1 基础散点图
  • 9.2.2 带有地图投影的散点图
  • 9.3 柱状图
  • 9.3.1 单变量柱状图
  • 9.3.2 多变量柱状图
  • 9.4 箱线图
  • 9.5 等值线图
  • 9.5.1 基本等值线图
  • 9.5.2 带有地图投影的等值线图
  • 9.5.3 垂直剖面等值线图
  • 9.6 填色图
  • 9.6.1 contourf()
  • 9.6.2 pcolor()
  • 9.7 轨迹绘制（以台风路径的绘制为例）
  • 9.8 流线图
  • 9.9 矢量箭头图
  • 9.10 风向杆图
  • 9.11 探空图
  • 9.12 泰勒图
  • 第10章 常用气象物理量计算
  • 10.1 干空气热力学（dry thermodynamics）物理量
  • 10.1.1 高于给定气压水平的某高度的气压
  • 10.1.2 高于给定高度一定气压的高度
  • 10.1.3 空气密度
  • 10.1.4 干静力能
  • 10.1.5 位势与海拔高度的相互转换
  • 10.1.6 位温
  • 10.1.7 利用Sigma值计算气压
  • 10.1.8 垂直剖面的静力稳定度
  • 10.2 湿热力学（moist thermodynamics）物理量
  • 10.2.1 露点温度
  • 10.2.2 相当位温
  • 10.2.3 气体混合比
  • 10.2.4 湿静力能
  • 10.2.5 可降水量
  • 10.2.6 相对湿度
  • 10.2.7 饱和水汽压
  • 10.2.8 比湿
  • 10.2.9 某层的厚度
  • 10.2.10 虚位温
  • 10.2.11 虚温
  • 10.2.12 湿球温度
  • 10.3 动力学（dynamics/kinetics）物理量
  • 10.3.1 绝对涡度
  • 10.3.2 平流
  • 10.3.3 非地转风（地转偏差）
  • 10.3.4 科里奥利参数
  • 10.3.5 散度
  • 10.3.6 温度场的二维运动学锋生函数
  • 10.3.7 地转风
  • 10.3.8 斜压位涡
  • 10.3.9 正压位涡
  • 10.3.10 水平风的剪切变形
  • 10.3.11 水平风的拉伸变形
  • 10.3.12 水平风的水平总变形
  • 10.3.13 水平风的垂直涡度
  • 10.3.14 利用u、v分量计算风速（场）
  • 10.4 气象领域常用的数学计算方法
  • 10.4.1 切向量与法向量
  • 10.4.2 一阶导数
  • 10.4.3 梯度
  • 10.4.4 水平增量
  • 10.4.5 拉普拉斯算子
  • 10.4.6 二阶导数
  • 第11章 常用气象统计方法与检验
  • 11.1 基本气候状态统计量
  • 11.1.1 中心趋势统计量
  • 11.1.2 变化幅度统计量
  • 11.1.3 相关统计量
  • 11.1.4 数据标准化
  • 11.2 气候变化趋势分析
  • 11.2.1 拟合
  • 11.2.2 滑动平均
  • 11.2.3 去趋势
  • 11.2.4 滤波
  • 11.3 气候序列突变检验
  • 11.3.1 滑动t检验
  • 11.3.2 曼-肯德尔法
  • 11.4 气候变量场时空结构的分离（经验正交函数分解）
  • 第12章 机器学习初探
  • 12.1 什么是机器学习
  • 12.2 传统机器学习
  • 12.2.1 安装
  • 12.2.2 示例数据集
  • 12.2.3 自己的数据
  • 12.2.4 数据预处理
  • 12.2.5 分割数据集
  • 12.2.6 使用内建算法进行学习
  • 12.2.7 使用其他指标评估模型
  • 12.2.8 使用模型进行预测
  • 12.2.9 保存/载入训练好的模型
  • 12.3 深度学习框架
  • 12.3.1 安装
  • 12.3.2 使用
  • 第13章 计算加速与Fortran绑定
  • 13.1 原生代码优化
  • 13.1.1 将代码向量化
  • 13.1.2 使用Numba对循环加速
  • 13.2 独立语言绑定
  • 13.2.1 Cython
  • 13.2.2 Fortran
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。