Python在闪电监测资料分析中的应用.docxVIP

? ? Python在闪电监测资料分析中的应用 ? ? 陈小尘，谢亚雄，张伟 (四川省防雷中心，四川成都，610072) 关键字：Python；Numpy；Pandas；Matplotlib；雷电数据 0 引言 对闪电监测资料进行分析，能够帮助我们了解当地雷电活动规律和指导防雷减灾工作[1-3]，提高雷电灾害主动防御能力。闪电监测资料动辄几十上百万条，一般需要计算机语言进行分析处理，大多数计算机编程语言都是编译型的，在运行之前需要将源码编译为操作系统可以执行的二进制格式，而Python语言不需要编译成二进制代码。在计算机内部，Python解释器把源代码转换成称为字节码的中间形式，然后再把它翻译成计算机使用的机器语言并运行。Python语言语句简洁、易于学习、代码开源、库类丰富，近年迅速流行，在大数据分析与处理等方面有广泛应用[4-5]。因此,利用Python语言对闪电监测资料进行处理,更加简洁灵活、高效实用。Anaconda是一个开源的Python发行版本，包含了很多默认的工具包。本文利用Jupter Notebook（Anaconda3）简单介绍一下闪电监测资料的分析处理方法，并完成四川省2020年雷电活动特征分析。 1 模块导入 模块定义了函数、类和变量，包含了可执行的代码，把相关的代码分配到一个模块里能更方便使用。在数据分析处理处理中，一般使用的模块有Numpy模块、Pandas模块和Matplotlib模块。Numpy是一个由多维数组对象和用于处理数组的例程集合组成的库，主要用于数组计算；Pandas是对数据进行导入、清洗、处理、统计和输出，主要用于数据分析处理；Matplotlib是画图工具，可以生成折线图、直方图、饼状图、条形图和散点图等。模块的导入语句为“import模块”，导入模块通常会进行简写（表1）。 表1 模块导入语句 2 雷电数据导入和处理 通常一个省一年的闪电监测资料包含了几十万条雷电数据，每条雷电数据包括了站点的ID、日期、时间、经度、纬度、强度、陡度、误差、定位方式、省、市、县等信息，本文分析的闪电监测资料来源于四川省雷电监测网，文件格式为txt格式，使用Python进行数据处理的基本语句格式为“模块.函数（参数）”，导入的结果需要用变量“data”（可自定义）来接收，雷电数据的导入语句为“data=pd.read_csv（‘雷电数据路径’）”，数据导入后，可以使用语句“data.info()”和“data.describe()”查看数据的基本属性和信息，以便对雷电数据有初步了解。导入后的雷电数据，需要对数据进行清洗和处理。在“read_csv（）”语句中，可以设置相关参数，方便数据统计分析，常用的参数有：“usecols”选择需要分析列的数据；“rename”对数据列名进行重命名；“parse_dates”对时间进行解析，转换成日期格式；“dtype”对数据格式进行转换；“index_col”设置索引；也可以用函数“abs（）”对雷电强度进行绝对值处理。 3 雷电特征分析 表征一个区域的雷电活动特征通常有雷暴日数、雷电次数、雷电密度、雷电强度、月分布、时分布等，Pandas对雷电数据进行统计相关语句见表2。本文以四川省2020年雷电数据为样本，利用Python语句对雷电活动特征进行分析。 表2 Pandas统计雷电数据相关语句 3.1 雷暴日数统计 表2给出了部分雷电数据统计分析的语句，“nunique”函数表示统计去重的个数，对日期序列进行去重个数的统计即为雷暴日数，语句“data.日期.nunique()”表示对四川省雷暴日数进行统计，统计结果为280天，说明四川省2020年的雷暴日数为280天。结合“groupby”函数进行分组统计，“sort_values()”对统计结果进行排序，可以得出市级行政区域和县级行政区域的雷暴日数，语句“data.groupby(“市”)[“日期”].nunique().sort_values()”是按各地级市进行分组统计，得出各地级市的雷暴日数，并按雷暴日数从小到大的顺序输出，可以得出，在市级行政区域中，雷暴日数最少的遂宁市为84天，雷暴日数最多的凉山彝族自治州为242天。语句“data.groupby(“县”)[“日期”].nunique().sort_values()”是按县级行政区域进行分组统计，得出各县级区域的雷暴日数，并按雷暴日数从小到大的顺序输出，可以得出，温江区的雷暴日数最小，为19天，盐源县的雷暴日数最多，为175天。 3.2 雷电个数统计 “count”函数表示统计个数，语句“data.强度.count()”表示对雷电总数进行统计，得出四川省雷电总数为397770次；语句“data[data.强度0].count()”表示对正闪个数