江苏龙网

  1. 主页 > 生活百科 > >

超越NumPy和Pandas：三个鲜为人知的Python库( 四 )

Python库

这样 ， 我们就得到了10个空数值 。
此外 ， 如果我们仔细查看代码 ， 就会发现我们可以将Pandas的方法应用到Xarray中 ， 比如isnull.sum() ， 在本例中 ， 它可以计算缺失值的总数 。
功能三：处理和分析多维数据当我们可以给数组贴标签时 ， 处理和分析多维数据的诱惑就会很大 。那么 ， 接下来跟随本文进行尝试 。
例如 ， 假设用户仍在收集与特定纬度和经度相关的温度数据 。
我们可能想要计算温度的平均值、最大值和中值 。可以进行如下操作：
import xarray as xrimport numpy as npimport pandas as pd# 创建合成温度数据temperature = np.random.rand(365, 50, 50) * 20 + 10# 创建时间、纬度和经度坐标数组times = pd.date_range('2023-01-01', periods=365, freq='D')latitudes = np.linspace(-90, 90, 50)longitudes = np.linspace(-180, 180, 50)# 创建Xarray数据集ds = xr.Dataset({'temperature': (['time', 'latitude', 'longitude'], temperature),},coords={'time': times,'latitude': latitudes,'longitude': longitudes,})# 对温度数据进行统计分析mean_temperature = ds['temperature'].mean(dim='time')max_temperature = ds['temperature'].max(dim='time')min_temperature = ds['temperature'].min(dim='time')# 打印数值print(f"mean temperature:n {mean_temperature}n")print(f"max temperature:n {max_temperature}n")print(f"min temperature:n {min_temperature}n")>>>mean temperature: array([[19.99931701, 20.36395016, 20.04110699, ..., 19.98811842,20.08895803, 19.86064693],[19.84016491, 19.87077812, 20.27445405, ..., 19.8071972 ,19.62665953, 19.58231185],[19.63911165, 19.62051976, 19.61247548, ..., 19.85043831,20.13086891, 19.80267099],...,[20.18590514, 20.05931149, 20.17133483, ..., 20.52858247,19.83882433, 20.66808513],[19.56455575, 19.90091128, 20.32566232, ..., 19.88689221,19.78811145, 19.91205212],[19.82268297, 20.14242279, 19.60842148, ..., 19.68290006,20.00327294, 19.68955107]])Coordinates:* latitude(latitude) float64 -90.0 -86.33 -82.65 ... 82.65 86.33 90.0* longitude(longitude) float64 -180.0 -172.7 -165.3 ... 165.3 172.7 180.0max temperature: array([[29.98465531, 29.97609171, 29.96821276, ..., 29.86639343,29.95069558, 29.98807808],[29.91802049, 29.92870312, 29.87625447, ..., 29.92519055,29.9964299 , 29.99792388],[29.96647016, 29.7934891 , 29.89731136, ..., 29.99174546,29.97267052, 29.96058079],...,[29.91699117, 29.98920555, 29.83798369, ..., 29.90271746,29.93747041, 29.97244906],[29.99171911, 29.99051943, 29.92706773, ..., 29.90578739,29.99433847, 29.94506567],[29.99438621, 29.98798699, 29.97664488, ..., 29.98669576,29.91296382, 29.93100249]])Coordinates:* latitude(latitude) float64 -90.0 -86.33 -82.65 ... 82.65 86.33 90.0* longitude(longitude) float64 -180.0 -172.7 -165.3 ... 165.3 172.7 180.0min temperature: array([[10.0326431 , 10.07666029, 10.02795524, ..., 10.17215336,10.00264909, 10.05387097],[10.00355858, 10.00610942, 10.02567816, ..., 10.29100316,10.00861792, 10.16955806],[10.01636216, 10.02856619, 10.00389027, ..., 10.0929342 ,10.01504103, 10.06219179],...,[10.00477003, 10.0303088 , 10.04494723, ..., 10.05720692,10.122994, 10.04947012],[10.00422182, 10.0211205 , 10.00183528, ..., 10.03818058,10.02632697, 10.06722953],[10.10994581, 10.12445222, 10.03002468, ..., 10.06937041,10.04924046, 10.00645499]])Coordinates:* latitude(latitude) float64 -90.0 -86.33 -82.65 ... 82.65 86.33 90.0* longitude(longitude) float64 -180.0 -172.7 -165.3 ... 165.3 172.7 180.0然后 ， 获得了我们想要的结果 ， 而且结果非常清晰易读 。
而且 ， 正如之前所提到的 ， 为了计算温度的最大值、最小值和平均值 ， 本文使用了应用于数组的Pandas函数 。
结论在本文中 ， 展示了三个用于数据处理和科学计算的库 。
虽然SymPy可以替代其他工具和软件 ， 使我们能够使用Python代码进行数学计算 ， 但Dask和Xarray扩展了其他库的功能 ， 在我们使用其他更常用的Python库进行数据分析和处理时可能会遇到困难的情况下帮助我们 。




推荐阅读


上一篇：没眼看！刘亦菲彭冠英机场拍吻戏，女神太主动，男方羞得耳朵爆红

下一篇：大脑如何储存长期记忆、检索回忆、做决策？这些大脑的运行机制值得AI学习