• 气象常用python软件包
• 网上的学习例子

最近开始转战python。虽然之前做过python课的助教，但真正要用的时候，还是有些不知所措。

作为解释型语言的python，相比于编译型语言Fortran，C+，速度比较慢，运行效率较低，不能脱离解释器独立运行，但可读性高。

相比于matlab，python免费。相比于ncl，同为解释型语言，python的优点在于各种开源库、机器学习框架、方便开发整合。

python的变量不需要提前申明，直接赋值就可以了，且可以随时改变变量的值和类型。在这一方面，python比fortran这些语言要方便些

气象常用python软件包

本人一开始拒绝使用python，也是因为他的包实在太多了，选择一多就容易选择困难，不如ncl来得简单方便，毕竟就那么几个函数。

但真的开始用python后，发现他虽然有很多软件包，但把每个包的主要功能了解清楚后，好像也没有那么难了。加上python的网上教程非常多，遇到什么问题，上网一搜就有答案。这一方面还是很好的

操作系统层面：

• subprocess：在系统层面执行命令
• os：改变路径
• sys: 本人主要用于给python脚本传参
• multiprocessing:Python中的多进程管理包。https://docs.python.org/zh-cn/3/library/multiprocessing.html

绘图：

• Cartopy：地图投影、经纬度坐标、地图信息，搭配Matplotlib使用。https://scitools.org.uk/cartopy/docs/latest/
• Matplotlib：最常用的主要绘图包。https://matplotlib.org/stable/gallery/index.html
• pillow: 图像处理库，可以打开一张图片，对其进行裁剪、缩放、旋转、像素值处理等操作，我常用该函数制作gif动画。
• cmaps: 提供ncl色标. https://github.com/hhuangwx/cmaps

数据处理：

• WRF-python：主要用于wrf数据的读取，https://wrf-python.readthedocs.io/en/latest/basic_usage.html
• Numpy: 数组与矩阵运算，主要数据结构就是N维同类型数组array，可以用array.shape, array.dtype查看数组结构和类型，https://www.runoob.com/numpy/numpy-tutorial.html
• Pandas：基于Numpy的结构化数据分析工具，可以从 CSV、JSON、SQL、Microsoft Excel 导入数据，主要数据结构是 Series （一维数据）与 DataFrame（二维数据，是一个表格型的数据结构））
• Xarray：主要数据结构 Variable, DataArray, Dataset， http://xarray.pydata.org/en/stable/user-guide/indexing.html
• SciPy是一个依赖于Numpy的高端科学计算工具包，用于数学、科学、工程学等领域，包含的功能：最优化、线性代数、积分、插值、拟合、特殊函数、快速傅里叶变换、信号处理、图像处理、常微分方程求解器等 官网User Guide， 中文教程， 源代码
• functools：python高阶函数包，即参数或（和）返回值为其他函数

另外一些比较小众的气象软件包：

• Iris：https://scitools-iris.readthedocs.io/en/latest/index.html ， https://scitools.org.uk/iris/docs/v2.4.0/userguide/index.html
• cf-plot：https://ajheaps.github.io/cf-plot/ ， https://ncas-cms.github.io/cf-python/tutorial.html

这两个是我英国雷丁大学导师推荐的软件包，可以说是专门为气象领域涉及的。我尝试了一下cf-plot画图，确实很方便，一句代码就可以出图，不需要自己手动添加地形、经纬度坐标等等。他在存图的时候竟然不能有路径，而且在什么路径下运行程序，图就存在什么路径下，且存成pdf时不能多页存储，我也是惊了。而且这个怎么画河流山地等信息呢？
缺点：比较小众，网上关于这方面的教程也比较少
优点：出图方便，代码简洁，适合快速查看气象数据
cfplot：查看文件变量的方法 cfa

网上的学习例子

matplotlib简要介绍: https://blog.mazhangjing.com/2018/02/28/learn_matplotlib/#1-matplotlib%E7%AE%80%E8%A6%81%E4%BB%8B%E7%BB%8D