python 将纬度按照10°为区间进行划分,并筛选在不同区间内sss的个数

简介: 要求:python 将纬度(list类型,包含1500个数据,从-90°-90°随机排列)按照每10°进行区间划分,并根据下标索引筛选在每一个区间内,所包含的sss(海表盐度)个数。

要求:python 将纬度(list类型,包含1500个数据,从-90°-90°随机排列)按照每10°进行区间划分,并根据下标索引筛选在每一个区间内,所包含的sss(海表盐度)个数。

现有一组纬度数据(约1500个):


20210518100002987.png


需要将其按照10°为一个区间进行划分。如下所示:


-90° - -80°

-80° - -70°

-70° - -60°

-60° - -50°

-50° - -40°

-40° - -30°

-30° - -20°

-20° - -10°

-10° - 0°

0° - 10°

10° - 20°

20° - 30°

30° - 40°

40° - 50°

50° - 60°

60° - 70°

70° - 80°

80° - 90°

同时,需要统计在这些区间内相应的sss个数,例如0°-10°中有多少个。

python 的优点在于可以将整个数据进行处理,因此可以写入代码如下


import pandas as pd
filename='H:\\select\\2020prof.csv'
data=pd.read_csv(filename)#读取csv文件数据
lat=data['smap_lat']#lat在此之前已经剔除异常值,读取数据中的纬度
sss=data['smap_sss']#sss在此之前已经剔除异常值,读取数据中的盐度
lat_count=[]
sss_count=[]
for a in range(-90,90,10):
    idx=(lat>=a)&(lat<a+10)
    lat_count.append(lat[idx])
    sss_count.append(sss[idx])


运行得到如下两个list,已经划分好啦!~


2021051810080022.png


20210518100857227.png


对于划分好的sss数据,可以对于每一个区间内的数据进行求标准偏差std(等处理),分析sss偏差随着维度的变化趋势。

                    一个努力学习python的海洋小白
                    水平有限,欢迎指正!!!
                    欢迎评论、收藏。 


相关文章
|
存储 编解码 对象存储
Python提取指定时间、经度与纬度的NC数据
【2月更文挑战第15天】本文介绍基于Python语言的netCDF4库,读取.nc格式的数据文件,并提取指定维(时间、经度与纬度)下的变量数据的方法~
1054 3
Python提取指定时间、经度与纬度的NC数据
|
数据处理 Python
利用Python筛选字母和数字
利用Python筛选字母和数字
489 0
|
SQL 定位技术 API
GEE python:按照矢量中的几何位置、属性名称和字符串去筛选矢量集合
GEE python:按照矢量中的几何位置、属性名称和字符串去筛选矢量集合
295 0
|
机器学习/深度学习 算法 Python
机器学习特征筛选:向后淘汰法原理与Python实现
向后淘汰法(Backward Elimination)是机器学习中一种重要的特征选择技术,通过系统性地移除对模型贡献较小的特征,以提高模型性能和可解释性。该方法从完整特征集出发,逐步剔除不重要的特征,最终保留最具影响力的变量子集。其优势包括提升模型简洁性和性能,减少过拟合,降低计算复杂度。然而,该方法在高维特征空间中计算成本较高,且可能陷入局部最优解。适用于线性回归、逻辑回归等统计学习模型。
604 7
|
SQL 存储 数据挖掘
使用Python和PDFPlumber进行简历筛选:以SQL技能为例
本文介绍了一种使用Python和`pdfplumber`库自动筛选简历的方法,特别是针对包含“SQL”技能的简历。通过环境准备、代码解析等步骤,实现从指定文件夹中筛选出含有“SQL”关键词的简历,并将其移动到新的文件夹中,提高招聘效率。
586 8
使用Python和PDFPlumber进行简历筛选:以SQL技能为例
|
机器学习/深度学习 数据采集 TensorFlow
使用Python实现深度学习模型:智能药物研发与筛选
使用Python实现深度学习模型:智能药物研发与筛选
783 15
|
存储 SQL 算法
高效日程管理:利用区间合并算法优化活动安排【python LeetCode57】
高效日程管理:利用区间合并算法优化活动安排【python LeetCode57】
|
存储 算法 搜索推荐
掌握区间合并:解决实际问题的算法策略和应用案例【python LeetCode题目56】
掌握区间合并:解决实际问题的算法策略和应用案例【python LeetCode题目56】
|
存储 编解码 Python
Python GDAL基于经、纬度提取大量遥感影像中相同位置处像元的数值
【2月更文挑战第8天】本文介绍基于Python语言中的gdal模块,对2景不同的遥感影像加以对应位置像素值匹配的方法——即基于一景遥感影像的每一个像元,提取另一景遥感影像中,与之空间位置相同的像元的像素值的方法~
636 1
Python GDAL基于经、纬度提取大量遥感影像中相同位置处像元的数值
|
数据采集 安全 数据处理
Python采集数据处理:利用Pandas进行组排序和筛选
使用Python的Pandas库,结合亿牛云代理和多线程技术,提升网络爬虫数据处理效率。通过代理IP避免封锁,多线程并发采集,示例代码展示数据分组、排序、筛选及代理IP配置和线程管理。
475 0
Python采集数据处理:利用Pandas进行组排序和筛选

推荐镜像

更多