Python中的二维数组
我正在读取三个独立城市的数据,我希望将每组数据保存在二维数组中,但当我通过部分代码时,循环会继续从我的前两个城市写入内容,因为我只有一个一维数组。我应该在哪里设置这些2-D数组来保持文件的有序性?我应该使用什么函数和参数来进行设置 阵列应为3X54(每个城市3个,每年数据54个) 编辑:以下代码中的所有初始变量(即precip、tmin、tmax)在开始时将包含超过19000个元素,我在代码中每年的后期都会对这些元素进行平均Python中的二维数组,python,arrays,Python,Arrays,我正在读取三个独立城市的数据,我希望将每组数据保存在二维数组中,但当我通过部分代码时,循环会继续从我的前两个城市写入内容,因为我只有一个一维数组。我应该在哪里设置这些2-D数组来保持文件的有序性?我应该使用什么函数和参数来进行设置 阵列应为3X54(每个城市3个,每年数据54个) 编辑:以下代码中的所有初始变量(即precip、tmin、tmax)在开始时将包含超过19000个元素,我在代码中每年的后期都会对这些元素进行平均 import numpy as np import matplotli
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
city = ['Lubbock.txt','Erie.txt','Oslo.txt']
years = np.arange(1960,2014,1)
months_summer = range(5,8,1)
for x in range(0,len(city),1):
data = np.genfromtxt(city[x], skip_header=2, usecols=(1), dtype=('S8'))
data2 = np.genfromtxt(city[x], skip_header=2, usecols=(2,3,4))
#ONLY GET 1-D ARRAY WHEN I ASK FOR SHAPE OF VARIABLE AFTER THIS POINT
dates = pd.DatetimeIndex(data[:])
year = dates.year
month = dates.month
day = dates.day
precip = data2[:,0]/10.
tmax = data2[:,1]/10.
tmin = data2[:,2]/10.
tmaxF = (tmax*(9./5.))+32.
tminF = (tmin*(9./5.))+32.
precipinches = precip*0.03937007874
tmax_avg = []
JJA3tmax_avg = []
JJAtmax_avg = []
DJFtmax_avg = []
for yr in years:
toavg = np.where(year == yr)
tmax_avg.append(np.average(tmax[toavg]))
for mo in months_summer:
sumtoavg = np.where(month == mo)
JJA3tmax_avg.append(np.average(tmax[sumtoavg]))
JJAtmax_avg.append(np.average(JJA3tmax_avg))
JJA3tmax_avg = []
dec_this_year = (year == yr) & (month == 12)
jan_next_year = (year == (yr+1)) & (month == 1)
feb_next_year = (year == (yr+1)) & (month == 2)
wintoavg = np.where(dec_this_year & jan_next_year & feb_next_year)
DJFtmax_avg.append(np.average(tmax[wintoavg]))
tmaxmean30 = np.average(tmax_avg[1:31])
JJAtmaxmean30 = np.average(JJAtmax_avg[1:31])
DJFtmaxmean30 = np.average(DJFtmax_avg[1:31])
#THIS IS THE DATA THAT I'M PLOTTING
tmax_avg_dep = tmax_avg - tmaxmean30
JJAtmax_avg_dep = JJAtmax_avg - JJAtmaxmean30
DJFtmax_avg_dep = DJFtmax_avg - DJFtmaxmean30
这一行:
data[:]
创建一个浅拷贝。您需要一个:
从文档中:
浅复制和深复制之间的区别仅与复合对象(包含其他对象的对象,如列表或类实例)相关:
- 浅复制构造一个新的复合对象,然后(尽可能)向其中插入对原始对象的引用
- 深度副本构造一个新的复合对象,然后递归地将在原始副本中找到的对象的副本插入其中
data[:]
创建一个浅拷贝。您需要一个:
从文档中:
浅复制和深复制之间的区别仅与复合对象(包含其他对象的对象,如列表或类实例)相关:
- 浅复制构造一个新的复合对象,然后(尽可能)向其中插入对原始对象的引用
- 深度副本构造一个新的复合对象,然后递归地将在原始副本中找到的对象的副本插入其中
然而,数据的大小并不是我最终需要数组的大小。里面有19000多个元素。如果你把代码归结为一个简单的问题,很多时候会更容易找到问题。否则就是大海捞针。将它缩减到最少的代码量来演示问题的解决。所有这些现在只针对其中一个变量。然而,数据的大小并不是我最终需要数组的大小。里面有19000多个元素。如果你把代码归结为一个简单的问题,很多时候会更容易找到问题。否则就是大海捞针。将它缩减到最少的代码量来演示问题的解决。所有这些都只针对其中一个变量。您正在导入
pandas
,但您似乎没有真正使用它——特别是,您似乎没有利用groupby
@DSM。您对如何在此处使用groupby函数有何建议?我不太了解pandas,只是找到了一个函数来处理将数据中的8位YYYYMMDD转换成字符串的问题。您正在导入pandas
,但您似乎并没有真正使用它——特别是,您似乎没有利用groupby
@DSM。您对如何在此处使用groupby函数有何建议?我不太了解pandas,只是找到了一个函数来处理将数据中的8位YYYYMMDD转换成字符串的问题。