回到问题

大写和间距变化

源链接

编辑3月3日17:11

弗雷德

23 k
5
47
91

相关相关掩码数组计算:

我有一个海洋表面温度时间序列，我想计算(皮尔逊)相关相关热带地区节点间的系数(30.0N ~ 30S)。在时间序列中，土地信息被掩盖。我不知道在相关性计算中如何处理蒙面数据。请帮助。我在这里使用的数据在这个链接中https://drive.google.com/file/d/1SVKQ4uBDEZOuN7_ftd5tqpF9_NGKY3pZ/view?usp=sharing

我尝试了下面的代码，但没有工作:

Temp5 = 'sst.day.mean.1983。fh5 =数据集(temp5, mode = 'r') sst5 = fh5。变量['sst'][:365] time = fh5。变量['time'][:] lat = fh5。变量['lat'][210:510][::35] #热带纬度lon = fh5。变量['lon'][::45] mar_05=[] for I in range(len(lat)): for j in range(len(lon)): for m in range(len(lat)): for n in range(len(lon)): mar_05.append(np。corrcoef (sst5 [59:90, i, j], sst5 [59:90, m, n] [0,1])) df = pd。DataFrame(data = mar_05)

相关掩码数组计算:

我有一个海洋表面温度时间序列，我想计算(皮尔逊)相关热带(30.0N ~ 30S)各节点间的系数。在时间序列中，土地信息被掩盖。我不知道在相关性计算中如何处理蒙面数据。请帮助。我在这里使用的数据在这个链接中https://drive.google.com/file/d/1SVKQ4uBDEZOuN7_ftd5tqpF9_NGKY3pZ/view?usp=sharing

我尝试了下面的代码，但没有工作:

Temp5 = 'sst.day.mean.1983。fh5 =数据集(temp5, mode = 'r') sst5 = fh5。变量['sst'][:365] time = fh5。变量['time'][:] lat = fh5。变量['lat'][210:510][::35] #热带纬度lon = fh5。变量['lon'][::45] mar_05=[] for I in range(len(lat)): for j in range(len(lon)): for m in range(len(lat)): for n in range(len(lon)): mar_05.append(np。corrcoef (sst5 [59:90, i, j], sst5 [59:90, m, n] [0,1])) df = pd。DataFrame(data = mar_05)

相关掩码数组计算:

我有一个海洋表面温度时间序列，我想计算(皮尔逊)相关热带地区节点间的系数(30.0N ~ 30S)。在时间序列中，土地信息被掩盖。我不知道在相关性计算中如何处理蒙面数据。请帮助。我在这里使用的数据在这个链接中https://drive.google.com/file/d/1SVKQ4uBDEZOuN7_ftd5tqpF9_NGKY3pZ/view?usp=sharing

我尝试了下面的代码，但没有工作:

Temp5 = 'sst.day.mean.1983。fh5 =数据集(temp5, mode = 'r') sst5 = fh5。变量['sst'][:365] time = fh5。变量['time'][:] lat = fh5。变量['lat'][210:510][::35] #热带纬度lon = fh5。变量['lon'][::45] mar_05=[] for I in range(len(lat)): for j in range(len(lon)): for m in range(len(lat)): for n in range(len(lon)): mar_05.append(np。corrcoef (sst5 [59:90, i, j], sst5 [59:90, m, n] [0,1])) df = pd。DataFrame(data = mar_05)

源链接

问3月3日12:26

Ruby

掩码阵列相关计算:

我有一个海洋表面温度时间序列，我想计算热带地区(30.0N到30S)节点之间的(Pearson)相关系数。在时间序列中，土地信息被掩盖。我不知道在相关性计算中如何处理蒙面数据。请帮助。我在这里使用的数据在这个链接中https://drive.google.com/file/d/1SVKQ4uBDEZOuN7_ftd5tqpF9_NGKY3pZ/view?usp=sharing

我尝试了下面的代码，但没有工作:

Temp5 = 'sst.day.mean.1983。fh5 =数据集(temp5, mode = 'r') sst5 = fh5。变量['sst'][:365] time = fh5。变量['time'][:] lat = fh5。变量['lat'][210:510][::35] #热带纬度lon = fh5。变量['lon'][::45] mar_05=[] for I in range(len(lat)): for j in range(len(lon)): for m in range(len(lat)): for n in range(len(lon)): mar_05.append(np。corrcoef (sst5 [59:90, i, j], sst5 [59:90, m, n] [0,1])) df = pd。DataFrame(data = mar_05)

netcdf 相关