Python 目标分析程序的平均计算站间距问题

我正在使用interpolate_to_网格对俄克拉荷马州的中网数据运行Barnes客观分析程序，该程序读取interpolate_to_点的计算站间距输出。这是使用ave_spacing=cdist（points，points）.mean（）计算得出的，它似乎可以计算每个单独数据点和所有数据点之间的平均距离。因此，当相邻站点之间的实际平均间距为30-40 km时，我得到的平均站间距约为228 km。我希望能够在客观分析过程中更改此值，而无需筛选所有不同的依赖项

spacing = cdist(list(zip(xloc, yloc)), list(zip(xloc, yloc)))
print(spacing)

Output:
[[     0.         245145.42398369 281067.71959647 ... 181889.14491027
  307129.27783772 193503.08897866]
 [245145.42398369      0.         242581.9939922  ... 426945.42853957
  204288.62028541 345728.95107532]
 [281067.71959647 242581.9939922       0.         ... 410049.17526377
   70655.02912353 212376.09473731]
 ...
 [181889.14491027 426945.42853957 410049.17526377 ...      0.
  455951.64830299 226710.02224577]
 [307129.27783772 204288.62028541  70655.02912353 ... 455951.64830299
       0.         275129.18406574]
 [193503.08897866 345728.95107532 212376.09473731 ... 226710.02224577
  275129.18406574      0.        ]]


avg_spacing = np.mean(cdist(list(zip(xloc, yloc)), list(zip(xloc, yloc))))
print(avg_spacing)

Output:
227725.7196359123

---

这肯定是MetPy中的一个bug，我们需要在即将发布的版本中解决它。我已经开了一家银行