我猜你用的是NOAA OISST数据，尽管我不认为这对这里的答案有什么影响。

注意你的循环，

For I in range(len(lat)): For j in range(len(lon)): For m in range(len(lat)): For n in range(len(lon)):

会生成索引，

I = 0，…， 8 j = 0，…31岁的m = 0, ..., 8 n = 0, ..., 31

将全局SST数组子集sst5 (59:90, i, j)而且sst5 (59:90, m, n)你不是在从你的热带点提取数据纬度而且朗变量，你只是从数组的一角提取数据。这是南极洲，因此没有海表温度数据和numpy.corrcoef将只看到缺失的数据值，并试图除以零协方差，产生NaN值。当发生这种情况时，我的Numpy会发出以下警告:

RuntimeWarning:在true_divide c /= stddev[:，无]中遇到的无效值

我猜你可以提取出来的你想要的点变成一个有形状的数组(NTIME NPOINTS)而且调用np.ma.corrcoef在那一次作为一个整体数组操作，而不是使用所有这些嵌套循环。

我猜你用的是NOAA OISST数据，尽管我不认为这对这里的答案有什么影响。

注意你的循环，

For I in range(len(lat)): For j in range(len(lon)): For m in range(len(lat)): For n in range(len(lon)):

会生成索引，

I = 0，…， 8 j = 0，…31岁的m = 0, ..., 8 n = 0, ..., 31

将全局SST数组子集sst5 (59:90, i, j)而且sst5 (59:90, m, n)你不是在从你的热带点提取数据纬度而且朗变量，你只是从角落里提取数据满,全球数组,我．e。Sst5 [:， 0:8, 0:31]．你可以通过打印出来看到这一点sst5.shape在循环中，会显示，

．.．(365, 720, 1440)(365, 720, 1440)(365, 720, 1440)(365, 720, 1440)…

这个角落是在南极洲，因此没有海温数据和numpy.corrcoef将只看到缺失的数据值，并试图除以零协方差，产生NaN值。当发生这种情况时，我的Numpy会发出以下警告:

RuntimeWarning:在true_divide c /= stddev[:，无]中遇到的无效值

您可以将程序修改为子集的sst5循环之前的数组:

sst5_子集= sst5[59:90, 210:510:35，::45]

而且然后引用循环中的这个数组:

mar_05.append (np。corrcoef (sst5_subset (:, i, j), sst5_subset (:, m, n)) [0,1])

但就我个人而言，我会去掉循环，这样做作为一个整体也参与操作：

Sst_array = sst5_子集。形状[0],1)。T corr = np.ma.corrcoef(sst_array)

一个兴趣点的快速输出图片: