Как сделать гистограмму из этого nc-файла?

Question

Я научный сотрудник, и я недавно начал изучать python для интерпретации вывода модели в формате netCDF. Позвольте мне кратко рассказать о моем вопросе:

Я уже просматривал определенную область сетки файла netCDF с использованием модуля netCDF4 и сохранял массив раз, который затем преобразовывал в список дат с использованием num2date netCDF4 особенность. Я показал свой код ниже. Обратите внимание, что limitedrange является подмножеством переменной из файла nc, а rmduplicates() не отображается.

import netCDF4 as nc 
import numpy as np 
import matplotlib.pyplot as pyp 
import matplotlib as mpl 
import datetime as dtm 
flor = nc.Dataset('FLOR.slp_subset1.nc','r')  

times = [] 
timecounter = .25 
for i in restrictedrange: 
    for j in np.nditer(i): 
     if(j <= 975): 
       times.append(timecounter) 
    timecounter += .25 
uniquetimes = rmduplicates(times) 
dates = nc.num2date(uniquetimes,'days since 0001-01-01 00:00:00','julian') 

stacked_dates = [] 
for date in dates: 
    stacked_dates.append(date.replace(year=0001)) 
stacked_dates = mpl.dates.date2num(stacked_dates) 

fig = pyp.figure() 
ax = pyp.subplot(111) 
ax.xaxis.set_major_locator(mpl.dates.MonthLocator()) 
format = mpl.dates.DateFormatter('%m/%d') 
ax.xaxis.set_major_formatter(format) 

ax.hist(stacked_dates) 

pyp.xticks(rotation='vertical') 

pyp.show() 

Теперь у меня есть список дат в формате «(у) уу-мм-дд чч: мм: сс». Теперь я хотел бы взять эти даты и сделать гистограмму (возможно, используя matplotlib или что-то лучшее для этого) по месяцам. Итак, бары = частота, ящики - месяцы. Кроме того, если это было не ясно из моего формата, некоторые годы имеют три числа, некоторые только два, но на самом деле их нет.

Опять же, я совершенно новый для питона, поэтому я ценю любую помощь, и я извините, если этот вопрос плохо отформатирован, поскольку я никогда не использовал этот сайт.

Спасибо!

Answer 1

Я не знаю, что у вас есть для данных, но вот примерный пример того, как сделать гистограмму с месяцами \ дней на оси х.

Я могу только предположить, что вы начинаете со списка объектов datetime, но я не могу понять, что такое nc (это модуль matplotlib.date?) Или какие именно моменты могут быть найдены в уникальные времена , Так что вообще это подход.

Эти модули вам понадобятся и используются.

import matplotlib as mpl 
import matplotlib.pyplot as plt 
import datetime 

Это фальшивые даты, которые я использовал. для этого примера. Там всего 11 месяцев, поэтому в основном все бункеры будут в конце концов 1.

for i in range(1, 12): 
    dates.append(datetime.datetime(i*5+1960, i, i, i, i, i)) 

[datetime.datetime(1965, 1, 1, 1, 1, 1), datetime.datetime(1970, 2, 2, 2, 2, 2), datetime.datetime(1975, 3, 3, 3, 3, 3), datetime.datetime(1980, 4, 4, 4, 4, 4), datetime.datetime(1985, 5, 5, 5, 5, 5), datetime.datetime(1990, 6, 6, 6, 6, 6), datetime.datetime(1995, 7, 7, 7, 7, 7), datetime.datetime(2000, 8, 8, 8, 8, 8), datetime.datetime(2005, 9, 9, 9, 9, 9), datetime.datetime(2010, 10, 10, 10, 10, 10), datetime.datetime(2015, 11, 11, 11, 11, 11)] 

Если, как в приведенном выше примере вы имеете дело с различными лет, вы будете иметь в «стек» их самостоятельно. В противном случае функция date2num, которую я буду использовать позже, произведет совершенно разные цифры. Для их «стека» они преобразуют их, как если бы они все происходили в том же году.

stacked_dates = [] 
for date in dates: 
    stacked_dates.append(date.replace(year=2000) ) 

>>> stacked_dates 
[datetime.datetime(2000, 1, 1, 1, 1, 1), datetime.datetime(2000, 2, 2, 2, 2, 2), datetime.datetime(2000, 3, 3, 3, 3, 3), datetime.datetime(2000, 4, 4, 4, 4, 4), datetime.datetime(2000, 5, 5, 5, 5, 5), datetime.datetime(2000, 6, 6, 6, 6, 6), datetime.datetime(2000, 7, 7, 7, 7, 7), datetime.datetime(2000, 8, 8, 8, 8, 8), datetime.datetime(2000, 9, 9, 9, 9, 9), datetime.datetime(2000, 10, 10, 10, 10, 10), datetime.datetime(2000, 11, 11, 11, 11, 11)] 

Ok. Теперь мы можем использовать функцию date2num, чтобы получить что-то mpl на самом деле понимает. (Кстати, если вы хотите построить только эти данные вы можете с plt.plot_dates функции, эта функция понимает даты-времени объекты)

stacked_dates = mpl.dates.date2num(stacked_dates) 

>>> stacked_dates 
array([ 730120.04237269, 730152.08474537, 730182.12711806, 
     730214.16949074, 730245.21186343, 730277.25423611, 
     730308.2966088 , 730340.33898148, 730372.38135417, 
     730403.42372685, 730435.46609954]) 

Ok теперь для себя черчения. mpl может понять эти цифры, но он будет не автоматически считать, что это даты. Он будет относиться к ним как к нормальным цифрам. Вот почему мы должны сказать оси x, что они на самом деле являются датами.Делайте это с major_axis_formatter и set_major_locator

fig = plt.figure() 
ax = plt.subplot(111) 
ax.xaxis.set_major_locator(mpl.dates.MonthLocator()) 
format = mpl.dates.DateFormatter('%m/%d') #explore other options of display 
ax.xaxis.set_major_formatter(format) 

ax.hist(stacked_dates) #plot the damned thing 

plt.xticks(rotation='vertical') #avoid overlapping numbers 
          #make sure you do this AFTER .hist function 

plt.show() 

Этот код производит следующий график:

Обратите внимание, что есть шанс, что вы не сможете увидеть дату на оригинальном графике, потому что они ll run off screen (форматы, подобные этим, могут быть длинными и не помещаться на графике). В этом случае нажмите кнопку «настроить подзаголовки» и настройте значение «bottom». В скрипте вы можете сделать это с помощью plt.subplots_adjust(bottom=.3) или другого значения.

Вы также должны позаботиться, чтобы указать, что в ax.hist(stacked_dates, bins=12) есть 12 ящиков, потому что по умолчанию 10, и будет выглядеть фанки, как мой график.

Также существует более простая, хотя и менее модифицируемая/персонифицированная и т. Д. Возможность, используя график штрихов, а не гистограмму. Читайте об этом HERE Но это действительно зависит от того, какая у вас информация. Если много дат, возможно, проще позволить функции hist вычислить высоты бинов, чем сделать это самостоятельно. Если это какая-то другая информация, стоит рассмотреть возможность использования барного графика.

Полный сценарий будет что-то вроде:

import matplotlib as mpl 
import matplotlib.pyplot as plt 
import datetime 

stacked_dates = [] 
for date in dates: 
    stacked_dates.append(date.replace(year=2000) ) 

stacked_dates = mpl.dates.date2num(stacked_dates) 

fig = plt.figure() 
ax = plt.subplot(111) 
ax.xaxis.set_major_locator(mpl.dates.MonthLocator()) 
format = mpl.dates.DateFormatter('%m/%d') 
ax.xaxis.set_major_formatter(format) 

ax.hist(stacked_dates) 

plt.xticks(rotation='vertical') 
plt.show()