第四章-数据处理
合集下载
第四章数据处理与应用课件浙教版高中信息技术必修
▪SUM( ) ▪ AVERAGE( )
▪ MIN( ) ▪MAX( )
求和 求平均值 求最小值 求最大值
▪COUNTIFห้องสมุดไป่ตู้ ) 指定区域中符合条件的单元格计数
▪SUMIF( )
指定范围中符合条件的值求和
▪AVERAGEIF( )
指定条件求平均值函数
▪Rank( )
大小排序
例：=sum(A2:A16)
数据缺失
逻辑错误
数据异常
数据重复
格式不一
1、字母代表列、数字代表 行
2、单元格书写方式：列在 前，行在后。例如:A25 3、单元格区域书写方式。 A2：A11，A2：E5
数据计算——公式
公式的格式： = 表达式
其中表达式有运算符号，常量，单元格地址，
=A2+B2
函数以及括号组成。
例如：
=B4+100 =(A1+B1)/2 =B4*A4
If函数
格式：=if（条件判断，“结果为真的返回值”，“结果 为假的返回值”） Eg：=if（成绩>90，“优秀”， “合格”）
课堂练习
94
课堂练习
(1)通过观察上表，获得一等奖的判断条件是：_成__绩__>__=_90分 (2)物理老师通过电子表格软件的“IF函数”快速得到了学生的 等级，那么“赵杰” 同学所获得“等级”单元格的函数编辑栏 内的函数应该=I是F(:C_8_>__=_9_0_,_“一等奖” ,“二等奖”) (3)物理老师想把表中数据复制到新建数据表中进行编辑，但不 想连同D列中的函数粘贴到新表，比较恰当的方式是: ________ (A.在B新表中手动输入;B、选择性粘贴为数值C、选择性粘贴为图 片)
地理信息系统第四章数据采集与处理
疏林地 733
未成林林地 734
迹地 735
针叶树疏林地 7331
阔叶树疏林地 7332
标志编号
Ⅰ
Ⅱ
Ⅲ
Ⅳ
Ⅴ
Ⅵ
Ⅶ
Ⅷ
Ⅸ
分类
1
属性数据的编码——编码方法 2
平原河
3
过渡河
山地河
• 多源分类编码法： 1
2 3
常年河
对于一个特定的分类时目令河标，根据诸多不同的
消失河
分类依据分别进行12 编码，各位数字代码之间并没有隶属通不航通关河 航河系。
地理数据库四种方式: 1.全部采用文件管理 2.文件结合关系数据库管理 3.全部采用关系数据库管理 4.重新设计具有空间数据和属 性数据管理和分析功能的数 据库系统（OO－DBMS）
6.地理数据库建立
第三节 地图数字化
一、手扶跟踪数字化 数字化仪组成、数字化方式、操作步骤
二、扫描矢量化 扫描仪原理、处理流程、操作方式
地图投影变换
正解变换 反解变换 数值变换
根据两种投影在变 换区内若干同名的 坐标点，采用插值 法、有限差分法、 待定系数法等，实 现不同投影之间的 转换
空间数据处理的方法-压缩处理
数据压缩的目的
节省存贮空间 节省处理时间
空间数据处理的方法-压缩处理
数据压缩途径
压缩软件:原数据信息基本不丢失而且可以大大 节省存贮空间，缺点是压缩后的文件必须在解 压缩后才能使用
1 2 3 4 5 6
1 2 3 4 5 6 7
1 2 3 4 5
1 2 3 4 5 6 7 8
1 2 3 4 5 6
树状河 平行河 筛状河 辐射河 扇形河 迷宫河
主〔要河〕流∶一级 支 流∶二级
教科版高中信息技术必修第四章《表格数据处理—数据计算》教学设计新部编版
教师学科教案[ 20 – 20 学年度第__学期]任教学科：_____________任教年级：_____________任教老师：_____________xx市实验学校教科版高中信息技术必修第四章《表格数据处理—数据计算》教学设计一、教材分析本节课教学内容是教育科学出版社出版的《信息技术基础》必修第四章第二节第一部分《4.2.1表格数据处理》中的内容。
由于本节课是会考中的重点内容，也是难点内容，所以结合我校学生的实际情况和能力条件，我将该部分安排为表格数据计算和表格数据排序、筛选两个课时的内容，本节属第1课时的内容，主要学习表格数据计算中的两种方法，即公式法和函数法。
二、学情分析高一的学生来自不同的初中，每个学校的教学条件不一，学生在计算机能力上差异很大，有的学生在初中就有对Excel的操作内容有一定的了解，有的学生限于初中学校的教学条件，甚至连基本的概念都不懂。
因此在本堂课之前复习了Excel单元格地址的相关知识，为后面的学习作铺垫。
其次，他们思维活跃，动手操作的欲望强烈，并且他们已经学习过Office中的Word的使用方法，能够使用Word的工具完成一定的任务，具备一定的操作能力和尝试探究解决问题的能力，能够独立完成基本需求的学习任务。
三、教学目标1、知识与技能（1）学会运用公式法或函数法对表格数据进行计算。
（2）能熟练地写出某单元格的计算公式。
（3）能灵活地应用数据填充功能来减轻计算工作量。
2、过程与方法（1）引导学生运用数学思维来理解、掌握表格中的公式和函数，培养学生在学习过程中将各学科相整合的意识。
（2）通过学案导学、自主探究培养学生对未知知识探索的能力及自学能力。
（3）通过合作探究培养学生的操作能力及创新意识。
3、情感与态度（1）能将本堂课所学的运用Excel的公式法和函数法进行数据计算应用于实际的生活，培养学生将所学知识与实际生活相结合的意识。
（2）通过学习利用Excel进行数据计算，体验计算机功能的强大，使用的便捷，从而激发学生学习信息技术的兴趣。
EVIEWS第四章 基本数据处理
也可用命令方式改变当前样本区间： Smpl 1955:1 1958:12 Smpl 1980:1 2000:4 IF RC>3.6
§4.3 输入数据
1. 键盘输入 在主菜单下，选择Quick/Empty Group(Edit Serirs)打开一 个新序列后，在编辑状态下，通过键盘输入数据，并给定一个 序列名。
或键入要存储的序列名，点击OK即可形成一个新文本文件，注意 原数据文件的时间区间。
⑵ Excel(.XLS)文件：
选中要存储的序列，点击主菜单或工作文件菜单中的Write Text— Lotus—Excel后，可以在WINDOWS子目录中找到你的要存储的目录，文件 类型选择Excel(*.XLS)，给出Excel文件名，点击后出现下面的对话框：
seires logy=log(y)
产生一个名为logy的新序列，它是序列y的自然对数。
为了产生一个新组，在Group命令后输入一个组名，包含在组中的一系 列序列，它们之间用空格隔开：
group rhs c x1 x2 z 产生一个名为rhs的组，它包含常数c (a series of ones)和序列x1、x2、z。 为了观察序列或组，在Show命令后输入序列或组的名字：
本章重点讨论序列和数组的操作，矩阵、向量和标量留到 程序设计中讨论。
§4.1.1 序列
建立序列对象：⑴ 点击EVIEWS主菜单中的Objects/New Object，然后选择Series即可；⑵ 点击工作文件窗口菜单中的 Genr，键入一个表达式，可形成一个新的序列。
编辑序列：双击序列名称或Show可以显示序列数据，然后 点击Edit+/-按钮，可切换编辑状态。当处于可编辑状态时，可 修改数据，按回车确定。
§4.3 输入数据
1. 键盘输入 在主菜单下，选择Quick/Empty Group(Edit Serirs)打开一 个新序列后，在编辑状态下，通过键盘输入数据，并给定一个 序列名。
或键入要存储的序列名，点击OK即可形成一个新文本文件，注意 原数据文件的时间区间。
⑵ Excel(.XLS)文件：
选中要存储的序列，点击主菜单或工作文件菜单中的Write Text— Lotus—Excel后，可以在WINDOWS子目录中找到你的要存储的目录，文件 类型选择Excel(*.XLS)，给出Excel文件名，点击后出现下面的对话框：
seires logy=log(y)
产生一个名为logy的新序列，它是序列y的自然对数。
为了产生一个新组，在Group命令后输入一个组名，包含在组中的一系 列序列，它们之间用空格隔开：
group rhs c x1 x2 z 产生一个名为rhs的组，它包含常数c (a series of ones)和序列x1、x2、z。 为了观察序列或组，在Show命令后输入序列或组的名字：
本章重点讨论序列和数组的操作，矩阵、向量和标量留到 程序设计中讨论。
§4.1.1 序列
建立序列对象：⑴ 点击EVIEWS主菜单中的Objects/New Object，然后选择Series即可；⑵ 点击工作文件窗口菜单中的 Genr，键入一个表达式，可形成一个新的序列。
编辑序列：双击序列名称或Show可以显示序列数据，然后 点击Edit+/-按钮，可切换编辑状态。当处于可编辑状态时，可 修改数据，按回车确定。
研究生 试验设计与数据处理 第四章
PDF created with pdfFactory Pro trial version
举 例
1. 判断颜色对销售量是否有显著影响，实际上也
就是检验具有同方差的四个正态总体的均值是 否相等的问题 2. 如果四个总体的均值相等，可以期望四个样本 的均值也会很接近 § 四个样本的均值越接近，我们推断四个总体均值
PDF created with pdfFactory Pro trial version
1. 随机误差
2.
在因素的 同一 水平 ( 同一 个总体 ) 下 ，样本的 各观 察值之间的差异 § 比如，同一种颜色的饮料在不同超市上的销售量 是不同的 § 不同超市销售量的差异可以看成是随机因素的影 响 ，或者 说是 由 于 抽样的随 机 性 所 造 成 的， 称 为 随机误差 系统误差 § 在因素的不 同 水平 ( 不 同 总体 ) 下 ， 各观 察值之 间 的差异 § 比如，同一家超市，不同颜色饮料的销售量也是 不同的 § 这种差异可能是由于抽样的随机性所造成的，也 可能 是由 于颜色本 身所造成 的，后者 所形成的 误 差是由系统性因素造成的，称为系统误差
什么是方差分析?
（例子的进一步分析）
① 检验饮料的颜色对销售量是否有影响，也就 是检验四种颜色饮料的平均销售量是否相同 ② 设µ1为无色饮料的平均销售量，µ2粉色饮料的 平均销售量，µ3为橘黄色饮料的平均销售 量， µ 4 为绿色饮料的平均销售量， 也就是检 验下面的假设 ① H0: µ1 = µ2 = µ3 = µ4 ② H1: µ1 , µ2 , µ3 , µ4 不全相等 ③ 检验上述假设所采用的方法就是方差分析
1 2 3 4 5
该饮料在五家超市的销售情况 无色
26.5 28.7 25.1 29.1 27.2
4.第四章_快速成型技术中的数据处理
快速原型制造设备目前能够接受诸如STL，SLC，CLI，RPI， LEAF，SIF等多种数据格式。其中由美国3D Systems公司开发的
STL(StereoLithography interface specification)文件格式可以被大
多数快速成型机所接受，因此被工业界认为是目前快速成型数据 的准标准，几乎所有类型的快速成型系统都采用STL数据格式。
因此，在快速成型技术实施之前以及原型制作
过程中需要进行大量的数据准备和处理工作，数据的
充分准备和有效的处理决定着原型制作的效率、质量
和精度。 在整个快速成型技术的实施过程中，数据的准 备是必须的，数据的处理是十分必要和重要的。
ξ4 快速成型技术中的数据处理
第一节 CAD三维模型的构建方法
目前，基于数字化的产品快速设计有两种主要途径：一种是根据
件的还原、模型精度的提高及数字化模型检测等。
ξ4 快速成型技术中的数据处理
反求工程技术不是传统意义上的“仿制”，而是综合应用现代
工业设计的理论方法、生产工程学、材料学和有关专业知识，进行
系统地分折研究，进而快速开发制造出高附加值、高技术水平的新 产品。
反求工程对于难以用CAD设计的零件模型以及活性组织和艺术
（4）合法实体规则
STL文件不得违反合法实体规则，即在三维模型的所有表面上，必须布
可能有一个点会落在其旁边三角形的边上，下图便示意了存在问题的点。
因为每一个合理的实体面至少应有1.5条边，因此下面的三个约束条件在 正确的STL文件中应该得到满足： 面必须是偶数的； 边必须是3的倍数； 2×边＝3×面。
ξ4 快速成型技术中的数据处理
（3）取值规则
STL文件中所有的顶点坐标必须是正的，零和负数是错的。然而，目前
第4章 测量数据的处理方法
统计学的方法的基本思想是：给定一臵信概率，确定相 应的臵信区间，凡超过臵信区间的误差就认为是粗大误差， 并予以剔除。
莱特检验法
i 3s
格拉布斯检验法 max G s 式中，G值按重复测量次数n及臵信概率Pc确定。
3 95% 1.15 99% 1.16 12 95% 2.29 99% 2.55
臵信概率是图中 阴影部分面积
P[ x E ( x ) k ] P[ k ]
k
k
p( )d
（2）正态分布的臵信概率
正态分布，当k=3时
P ( 3 )
3
3
p( )d
3
3
2 e xp( )d 0.997 2 2 2
故: k 三角
3
-a 0 a
x
分布
均匀
反正弦
（P=1)
k
6
3
2
系统误差的判断及消除方法
1. 系统误差的特征：
在同一条件下，多次测量同一量值时，误差的绝对值和符 号保持不变，或者在条件改变时，误差按一定的规律变化。 多次测量求平均不能减少系差。
a b
d c 0 t
多种系统误差的特征 (a)不变系差 (b)线性变化系差 (c)周期性系差 (d)复杂规律系差
第4章 测量数据的处理方法
测量是用一定的测量工具或仪器，通过一定的测量方法，直 接或间接地得到所需要的量值。 误差反映测量值偏离真实值的大小和方向。 误差=测量值---真实值
测量误差的分类 测量结果的表征 测量误差的估计和处理 测量数据的处理方法
测量误差的分类
1. 误差来源 设备误差 （标准误差、仪器误差、附件误差、机构误差、调整误差、 量值误差） 环境误差 人员误差 测量方法误差 被测量的误差 2. 按照误差的性质分类 系统误差 随机误差 粗大误差
莱特检验法
i 3s
格拉布斯检验法 max G s 式中，G值按重复测量次数n及臵信概率Pc确定。
3 95% 1.15 99% 1.16 12 95% 2.29 99% 2.55
臵信概率是图中 阴影部分面积
P[ x E ( x ) k ] P[ k ]
k
k
p( )d
（2）正态分布的臵信概率
正态分布，当k=3时
P ( 3 )
3
3
p( )d
3
3
2 e xp( )d 0.997 2 2 2
故: k 三角
3
-a 0 a
x
分布
均匀
反正弦
（P=1)
k
6
3
2
系统误差的判断及消除方法
1. 系统误差的特征：
在同一条件下，多次测量同一量值时，误差的绝对值和符 号保持不变，或者在条件改变时，误差按一定的规律变化。 多次测量求平均不能减少系差。
a b
d c 0 t
多种系统误差的特征 (a)不变系差 (b)线性变化系差 (c)周期性系差 (d)复杂规律系差
第4章 测量数据的处理方法
测量是用一定的测量工具或仪器，通过一定的测量方法，直 接或间接地得到所需要的量值。 误差反映测量值偏离真实值的大小和方向。 误差=测量值---真实值
测量误差的分类 测量结果的表征 测量误差的估计和处理 测量数据的处理方法
测量误差的分类
1. 误差来源 设备误差 （标准误差、仪器误差、附件误差、机构误差、调整误差、 量值误差） 环境误差 人员误差 测量方法误差 被测量的误差 2. 按照误差的性质分类 系统误差 随机误差 粗大误差
第四章_数据处理和质量保证
• 离群数据统计检验的方法
1) Dixon检验法 2) Grubbs检验法 3) Cochran检验法
Dixon检验法
• Dixon检验法用于检验一组测定值的一致性和剔除一组测 定值中的离群值。
• 检验步骤 1) 排 序 ： 重 复 测 量 的 n 个 值 按 从 小 到 大 排 列 ： X1,X2,…Xn-1,Xn；其中X1,Xn分别为最小和最大可疑值 2) 计算统计量Q（见表4-1） 3) 查临界值Qα （见表4-2） 4) 判别：若Q>Q0.01，则可疑值为离群值，应予剔除；若 Q0.05<Q≤Q0.01，则可疑值为偏离值；若Q≤Q0.05，则 可疑值为正常值。
当置信度为95%时：R = 2.83
s 2W
+
s
2 B
精密度与准确度的关系
A. 精密度和准确度均 好。分析结果可靠。
B. 精密度很差，随机误 差大，准确度较好， 这只是偶然的巧合。
C. 精密度好，准确度 差，有较大的系统误 差。
D. 准确度好，精密度不 好。原因是测定值中 出现了一个离散性大 的测定值，使标准差
有效数字的运算规则
1. 加减法
几个数据相加减后的结果，其小数点后的位数应与 各数据中小数点后位数最少者相同。
例如：15.4532＋2.48＋0.247＋0.03681 ≈15.453＋2.48＋0.247＋0.037 ＝18.217≈18.22
2. 乘除法
几个数据相乘除后的结果，其有效位数位数应与各 数据中有效位数最少者相同。
第三节 分析与监测数据的处理
有效数字及其修约规则
• 有效数字(significant figure)
– 有效数字的判断 0.0435 三位有效数字 4.0035 五位有效数字 0.4035 四位有效数字 4.3500 五位有效数字 43500 难以判断
1) Dixon检验法 2) Grubbs检验法 3) Cochran检验法
Dixon检验法
• Dixon检验法用于检验一组测定值的一致性和剔除一组测 定值中的离群值。
• 检验步骤 1) 排 序 ： 重 复 测 量 的 n 个 值 按 从 小 到 大 排 列 ： X1,X2,…Xn-1,Xn；其中X1,Xn分别为最小和最大可疑值 2) 计算统计量Q（见表4-1） 3) 查临界值Qα （见表4-2） 4) 判别：若Q>Q0.01，则可疑值为离群值，应予剔除；若 Q0.05<Q≤Q0.01，则可疑值为偏离值；若Q≤Q0.05，则 可疑值为正常值。
当置信度为95%时：R = 2.83
s 2W
+
s
2 B
精密度与准确度的关系
A. 精密度和准确度均 好。分析结果可靠。
B. 精密度很差，随机误 差大，准确度较好， 这只是偶然的巧合。
C. 精密度好，准确度 差，有较大的系统误 差。
D. 准确度好，精密度不 好。原因是测定值中 出现了一个离散性大 的测定值，使标准差
有效数字的运算规则
1. 加减法
几个数据相加减后的结果，其小数点后的位数应与 各数据中小数点后位数最少者相同。
例如：15.4532＋2.48＋0.247＋0.03681 ≈15.453＋2.48＋0.247＋0.037 ＝18.217≈18.22
2. 乘除法
几个数据相乘除后的结果，其有效位数位数应与各 数据中有效位数最少者相同。
第三节 分析与监测数据的处理
有效数字及其修约规则
• 有效数字(significant figure)
– 有效数字的判断 0.0435 三位有效数字 4.0035 五位有效数字 0.4035 四位有效数字 4.3500 五位有效数字 43500 难以判断
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
返回的数组:不需提前分配 – grido = f2fsh ( gridi, (/ 64,128/)) – gridi(10,30,73,144) grido(10,30,64,128)
grido = f2fsh_Wrap ( gridi, (/ 64,128/)) ; contributed.ncl
fspan( start, finish, npts )
返回值则为1D 等间距的浮 点型或双精度型数组
•
npts 是指包括start 和finish所有点的个数
b = fspan(-89.125, 9.3, 100)
print(b)
Variable b: Type: float Number of Dimensions: 1 Dimensions and sizes:(100) (0) -89.125 (1) -88.13081 (2) -87.13662 (…) …. (97) 7.311615 (98) 8.305809 (99) 9.3
mask
load "$NCARG_ROOT/lib/ncarg/nclscripts/csm/gsn_code.ncl" load "$NCARG_ROOT/lib/ncarg/nclscripts/csm/gsn_csm.ncl”
in = addfile(“atmos.nc","r") ts = in->TS(0,:,:) oro = in->ORO(0,:,:) ; mask ocean ; [ocean=0, land=1, sea_ice=2] ts = mask(ts,oro,1)
–
•
new 和 (/…/) 可在脚本中任何地方使用
–
new 并不常用
自动生成数组
•赋值（支持的数据格式）
u = f->U – 数据子集也可 : u = f->U(:, 3:9:2, :, 10:20)
•
变量之间的赋值
y=x y 与x有同样的大小，类型和meta data – 不需提前分配y数组
•
函数
代数运算符
代数运算符 + 加 ＊乘 ^ 幂 > 大于 - 减 / 除 # 数组乘 < 小于
用 (…) 调整计算顺序 + 是一种特殊的算符 － 代数算符: 5.3 + 7.95 13.25 － 连接字符串: “pine” + “apple” “pineapple” － 代数算符以及连接字符串
–
•
பைடு நூலகம்函数可能需要 行列调整
–
*必须* 使用 named dimensions 来调整
; 计算变量的zonal和time平均 ; T(time,lev,lat,lon) T(0,1,2,3) ; 无 meta data 传输 Tzon = dim_avg_n( T, 3) Tavg = dim_avg_n( T, 0)
"alpha” + ”_" + (5.3 + 7)
"alpha_12.3”
逻辑表达式
.le. (小于等于) .lt. (小于) .ge. (大于等于) .gt. (大于) .ne. (不等于) .eq. (等于) .and. (且) .xor. (异或) .or. (或) .not. (非)
手动生成数组
•
用 (/…/)
a_integer = (/1,2,3/) – a_float = (/1.0, 2.0, 3.0/) , a_double = (/1, 2.0, 3.2d /) – a_string = (/"abc",”12345",”hello, world"/) – a_logical = (/True, False, True/) – a_2darray = (/ (/1,2,3/), (/4,5,6/), (/7,8,9/) /)
–
TJAN(0,:,:)
= T(0,:,:)
•
数组降维是一个“特色” [真的 ]
数组的算符
• • •
类似于f90/f95, Matlab, IDL 数组必须同样大小: conform 令 A 和 B 为 (10,30,64,128)
–
<= conform
–
– –
C = A+B D = A-B E = A*B C, D, E 自动生成 theta = T*(1000/P)^0.286 theta(10,30,64,128)
conform, conform_dims
数组的操作要求数组间conform 函数conform( x, r, ndim ) • 函数 conform_dims( dims, r, ndim ) • 扩展数组(r) 使其与(x) 数组维数一样(dims) • ndim: 标量或数组用以表明x的哪一维或哪些维和r的维数一致 • 数组r 的数值将被‘传播’ (复制)至 x大小的数组里
函数where(conditional_expression \ • , true_value(s) • , false_value(s) ) • 类似于f90的 “where”
•
•
\
通过数组的条件（True或则False）对各个数进行操作
; q 数组; q<0 => q=q+256 ; f90: where(q.lt.0) q=q+256 q = where (q.lt.0, q+256, q) x = where (T.ge.0 .and. ismissing(Z) , a+25 , 1.8*b) salinity = where (sst.lt.5 .and. ice.gt.icemax \ , salinity*0.9, salinity)
•
用built-in 函数
– –
•
所有数组在运算中遇缺省值即被忽略
内置函数和程序
尽量用 • 掌握常用的函数
•
all, any, conform, ind, ind_resolve, dimsizes – fspan, ispan, ndtooned, onedtond, – mask, ismissing, where – system, systemfunc
•
NCL 有一个 1 度的陆地－海洋mask – load "$NCARG_ROOT/lib/ncarg/nclscripts/csm/shea_util.ncl” – flags for ocean, land, lake, small island, ice shelf
where
•
根据条件数组对数组进行赋值
不可: y = where(y.eq.0, y@_FillValue, 1./y) 可: y = 1.0/where(y.eq.0, y@_FillValue, y)
dim_*_n [dim_*]
•
对数组的行列dimension执行操作
•
avg, var, sum, pqsort, median, rmsd, ….. • dim_*_n 函数是新的(v5.1.1以上有) • 对指定的行列进行操作 • 内存使用较少 • dim_* 函数 • 仅对最右边的行列操作 • 可能需要行列调整 比如: x(time,lat,lon) => x(0,1,2) • 函数dim_avg_n( x, n ) • xZon = dim_avg_n( x, 2 ) => xZon(ntim,nlat) • xTim = dim_avg_n( x, 0 ) => xTim(nlat,mlon) • 函数dim_avg ( x ) • xZon = dim_avg( x ) => xZon(ntim,nlat) • xTim = dim_avg( x(lat|:,lon|:,time|:) ) => xTim(nlat,mlon)
•
x(ntim,klev,nlat,mlon), w(nlat) ; x( 0 , 1 , 2 , 3 ) wx = conform (x, w, 2) ; wx(ntim,klev,nlat,mlon) q = x*wx ; q = x* conform (x, w, 2) wx = conform_dims ( (/ntim,klev,nlat,mlon/) , w, 2) wx = conform_dims ( dimsizes(x), w, 2)
Type: integer Total Size: 16 bytes 4 values Number of dimensions: 1 Dimensions and sizes:(4) (0) 12 (1) 25 (2) 116 (3) 100 (0) rank=4
rank = dimsizes(dimt) print ("rank="+rank)
通常和数组函数一起用 • if (all( ismissing(x) )) then … [else …] end if • nFill = num( ismissing(x) ) • nVal = num( .not. ismissing(x) )
if (any( ismissing(xOrig) )) then …. else …. end if
; Tzon(ntim,klev,nlat) ; Tavg(klev,nlat,mlon)
dimsizes(x)
•
•
返回数组变量的维数 如果是多维数组，则返回值为1D 整型数组
Variable: dimt
fin
= addfile(“in.nc”,”r”)
t = fin->T dimt = dimsizes(t) print(dimt)
grido = f2fsh_Wrap ( gridi, (/ 64,128/)) ; contributed.ncl
fspan( start, finish, npts )
返回值则为1D 等间距的浮 点型或双精度型数组
•
npts 是指包括start 和finish所有点的个数
b = fspan(-89.125, 9.3, 100)
print(b)
Variable b: Type: float Number of Dimensions: 1 Dimensions and sizes:(100) (0) -89.125 (1) -88.13081 (2) -87.13662 (…) …. (97) 7.311615 (98) 8.305809 (99) 9.3
mask
load "$NCARG_ROOT/lib/ncarg/nclscripts/csm/gsn_code.ncl" load "$NCARG_ROOT/lib/ncarg/nclscripts/csm/gsn_csm.ncl”
in = addfile(“atmos.nc","r") ts = in->TS(0,:,:) oro = in->ORO(0,:,:) ; mask ocean ; [ocean=0, land=1, sea_ice=2] ts = mask(ts,oro,1)
–
•
new 和 (/…/) 可在脚本中任何地方使用
–
new 并不常用
自动生成数组
•赋值（支持的数据格式）
u = f->U – 数据子集也可 : u = f->U(:, 3:9:2, :, 10:20)
•
变量之间的赋值
y=x y 与x有同样的大小，类型和meta data – 不需提前分配y数组
•
函数
代数运算符
代数运算符 + 加 ＊乘 ^ 幂 > 大于 - 减 / 除 # 数组乘 < 小于
用 (…) 调整计算顺序 + 是一种特殊的算符 － 代数算符: 5.3 + 7.95 13.25 － 连接字符串: “pine” + “apple” “pineapple” － 代数算符以及连接字符串
–
•
பைடு நூலகம்函数可能需要 行列调整
–
*必须* 使用 named dimensions 来调整
; 计算变量的zonal和time平均 ; T(time,lev,lat,lon) T(0,1,2,3) ; 无 meta data 传输 Tzon = dim_avg_n( T, 3) Tavg = dim_avg_n( T, 0)
"alpha” + ”_" + (5.3 + 7)
"alpha_12.3”
逻辑表达式
.le. (小于等于) .lt. (小于) .ge. (大于等于) .gt. (大于) .ne. (不等于) .eq. (等于) .and. (且) .xor. (异或) .or. (或) .not. (非)
手动生成数组
•
用 (/…/)
a_integer = (/1,2,3/) – a_float = (/1.0, 2.0, 3.0/) , a_double = (/1, 2.0, 3.2d /) – a_string = (/"abc",”12345",”hello, world"/) – a_logical = (/True, False, True/) – a_2darray = (/ (/1,2,3/), (/4,5,6/), (/7,8,9/) /)
–
TJAN(0,:,:)
= T(0,:,:)
•
数组降维是一个“特色” [真的 ]
数组的算符
• • •
类似于f90/f95, Matlab, IDL 数组必须同样大小: conform 令 A 和 B 为 (10,30,64,128)
–
<= conform
–
– –
C = A+B D = A-B E = A*B C, D, E 自动生成 theta = T*(1000/P)^0.286 theta(10,30,64,128)
conform, conform_dims
数组的操作要求数组间conform 函数conform( x, r, ndim ) • 函数 conform_dims( dims, r, ndim ) • 扩展数组(r) 使其与(x) 数组维数一样(dims) • ndim: 标量或数组用以表明x的哪一维或哪些维和r的维数一致 • 数组r 的数值将被‘传播’ (复制)至 x大小的数组里
函数where(conditional_expression \ • , true_value(s) • , false_value(s) ) • 类似于f90的 “where”
•
•
\
通过数组的条件（True或则False）对各个数进行操作
; q 数组; q<0 => q=q+256 ; f90: where(q.lt.0) q=q+256 q = where (q.lt.0, q+256, q) x = where (T.ge.0 .and. ismissing(Z) , a+25 , 1.8*b) salinity = where (sst.lt.5 .and. ice.gt.icemax \ , salinity*0.9, salinity)
•
用built-in 函数
– –
•
所有数组在运算中遇缺省值即被忽略
内置函数和程序
尽量用 • 掌握常用的函数
•
all, any, conform, ind, ind_resolve, dimsizes – fspan, ispan, ndtooned, onedtond, – mask, ismissing, where – system, systemfunc
•
NCL 有一个 1 度的陆地－海洋mask – load "$NCARG_ROOT/lib/ncarg/nclscripts/csm/shea_util.ncl” – flags for ocean, land, lake, small island, ice shelf
where
•
根据条件数组对数组进行赋值
不可: y = where(y.eq.0, y@_FillValue, 1./y) 可: y = 1.0/where(y.eq.0, y@_FillValue, y)
dim_*_n [dim_*]
•
对数组的行列dimension执行操作
•
avg, var, sum, pqsort, median, rmsd, ….. • dim_*_n 函数是新的(v5.1.1以上有) • 对指定的行列进行操作 • 内存使用较少 • dim_* 函数 • 仅对最右边的行列操作 • 可能需要行列调整 比如: x(time,lat,lon) => x(0,1,2) • 函数dim_avg_n( x, n ) • xZon = dim_avg_n( x, 2 ) => xZon(ntim,nlat) • xTim = dim_avg_n( x, 0 ) => xTim(nlat,mlon) • 函数dim_avg ( x ) • xZon = dim_avg( x ) => xZon(ntim,nlat) • xTim = dim_avg( x(lat|:,lon|:,time|:) ) => xTim(nlat,mlon)
•
x(ntim,klev,nlat,mlon), w(nlat) ; x( 0 , 1 , 2 , 3 ) wx = conform (x, w, 2) ; wx(ntim,klev,nlat,mlon) q = x*wx ; q = x* conform (x, w, 2) wx = conform_dims ( (/ntim,klev,nlat,mlon/) , w, 2) wx = conform_dims ( dimsizes(x), w, 2)
Type: integer Total Size: 16 bytes 4 values Number of dimensions: 1 Dimensions and sizes:(4) (0) 12 (1) 25 (2) 116 (3) 100 (0) rank=4
rank = dimsizes(dimt) print ("rank="+rank)
通常和数组函数一起用 • if (all( ismissing(x) )) then … [else …] end if • nFill = num( ismissing(x) ) • nVal = num( .not. ismissing(x) )
if (any( ismissing(xOrig) )) then …. else …. end if
; Tzon(ntim,klev,nlat) ; Tavg(klev,nlat,mlon)
dimsizes(x)
•
•
返回数组变量的维数 如果是多维数组，则返回值为1D 整型数组
Variable: dimt
fin
= addfile(“in.nc”,”r”)
t = fin->T dimt = dimsizes(t) print(dimt)