怎么用Python实现降雨量统计分析

本篇内容介绍了"怎么用Python实现降雨量统计分析"的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

先看看需求吧：

主要就是要根据左侧的表格自动生成右侧的Word统计报告，实际的各种可能性情况远比图中展示的要更加复杂。

好了，直接开始干代码吧!

1数据读取

import pandas as pddf = pd.read_csv("11月份数据.csv", encoding='gbk')# 当前统计月份month = 11df = df.query('月份==@month')df.head(10)

2异常数据过滤

查看缺失值数量：

pd.isnull(df).sum()

结果：

区域          0月份          0降雨量(mm)     0降雨距平(mm)    1观测站         0dtype: int64

仅一个缺失值数据，可直接删除：

df.dropna(inplace=True)

3计算观测站降雨量相对往年的变化

计算降雨量比往年高，跟往年比无变化，以及比往年低的次数分别是多少：

rainfall_high = df.eval('`降雨距平(mm)` > 0').value_counts().get(True, 0)rainfall_equal = df.eval('`降雨距平(mm)` == 0').value_counts().get(True, 0)rainfall_low = df.eval('`降雨距平(mm)` < 0').value_counts().get(True, 0)print(rainfall_high, rainfall_equal, rainfall_low)13 1 18

上面的结果中rainfall_high表示降雨量比往年平均水平高的次数，rainfall_equal表示降雨量比往年平均水平持平的次数，rainfall_low表示降雨量比往年平均水平低的次数。

于是分情况讨论生成第一段的报告：

p1 = f"{month}月份"if rainfall_low == 0 or rainfall_high == 0:    if rainfall_equal != 0:        p1 += f"除{rainfall_equal}个观测站降雨量较往年无变化外，"    if rainfall_high == 0:        p1 += f"各气象观测站降雨量较往年均偏低。"    elif rainfall_low == 0:        p1 += f"各气象观测站降雨量较往年均偏高。"else:    #  10%以内差异认为是持平    if rainfall_high > rainfall_low*1.1:        p1 += f"大部分气象观测站降雨量较往年偏高。"    elif rainfall_low > rainfall_high*1.1:        p1 += f"大部分气象观测站降雨量较往年偏低。"    else:        p1 += f"各气象观测站降雨量较往年整体持平。"p1

结果：

'11月份大部分气象观测站降雨量较往年偏低。'

4计算各区域降雨量的极值

再生成第二段的报告：

p2 = ""t = df['降雨量(mm)']p2 += f"各区域降雨量在{t.min()}～{t.max()}mm之间，其中{df.loc[t.argmax(), '区域']}区域的降雨量最大，为{t.max()}mm。"p2

结果：

'各区域降雨量在0.0～16.0mm之间，其中51a45区域的降雨量最大，为16.0mm。'

5分观测站统计

让我脑袋疼的地方就是从这里的代码开始的，后面还有更复杂的需求就不公布了。

对每个观测站分别统计哪些区域偏高，哪些区域持平，哪些区域偏低：

p3s = []for station, tmp in df.groupby('观测站'):    t = tmp['降雨量(mm)']    p3 = f"各区域降雨量在{t.min()}～{t.max()}mm之间，"    rainfall_high_mask = tmp.eval('`降雨距平(mm)` > 0')    rainfall_equal_mask = tmp.eval('`降雨距平(mm)` == 0')    rainfall_low_mask = tmp.eval('`降雨距平(mm)` < 0')    rainfall_high = rainfall_high_mask.value_counts().get(True, 0)    rainfall_equal = rainfall_equal_mask.value_counts().get(True, 0)    rainfall_low = rainfall_low_mask.value_counts().get(True, 0)#     print(rainfall_high, rainfall_equal, rainfall_low)    if rainfall_low == 0 or rainfall_high == 0:        if rainfall_equal != 0:            p3 += '除'            p3 += '、'.join(tmp.loc[rainfall_equal_mask, '区域']+'区域')            p3 += "降雨量较往年无变化外，"        if rainfall_high == 0:            p3 += f"各区域降雨量均较往年偏低"        elif rainfall_low == 0:            p3 += f"各区域降雨量均较往年偏高"        t = tmp['降雨距平(mm)'].abs()        p3 += f"{t.min()}～{t.max()}mm；"    else:        if rainfall_equal != 0:            p3 += '除'            p3 += '、'.join(tmp.loc[rainfall_equal_mask, '区域']+'区域')            p3 += "降雨量较往年无变化，"        #  10%以内差异认为是持平        if rainfall_high > rainfall_low*1.1:            if rainfall_equal == 0:                p3 += '除'            p3 += '、'.join(tmp.loc[rainfall_low_mask, '区域']+'区域')            p3 += "降雨量较往年偏低"            t = tmp.loc[rainfall_low_mask, '降雨距平(mm)'].abs()            if t.shape[0] > 1:                p3 += f"{t.min()}～{t.max()}mm"            else:                p3 += f"{t.min()}mm"            p3 += "外，"            t = tmp.loc[rainfall_high_mask, '降雨距平(mm)'].abs()            p3 += f"其余各区域降雨量较往年偏高{t.min()}～{t.max()}mm；"        elif rainfall_low > rainfall_high*1.1:            if rainfall_equal == 0:                p3 += '除'            p3 += '、'.join(tmp.loc[rainfall_high_mask, '区域']+'区域')            p3 += "降雨量较往年偏高"            t = tmp.loc[rainfall_high_mask, '降雨距平(mm)'].abs()            if t.shape[0] > 1:                p3 += f"{t.min()}～{t.max()}mm"            else:                p3 += f"{t.min()}mm"            p3 += "外，"            t = tmp.loc[rainfall_low_mask, '降雨距平(mm)'].abs()            p3 += f"其余各区域降雨量较往年偏低{t.min()}～{t.max()}mm；"        else:            if rainfall_equal != 0:                p3 = p3[:-1]+'外，'            p3 += f"各区域降雨量较往年偏高和偏低的数量持平，其中"            p3 += '、'.join(tmp.loc[rainfall_low_mask, '区域']+'区域')            p3 += "降雨量较往年偏低"            t = tmp.loc[rainfall_low_mask, '降雨距平(mm)'].abs()            if t.shape[0] > 1:                p3 += f"{t.min()}～{t.max()}mm，"            else:                p3 += f"{t.min()}mm，"            p3 += '、'.join(tmp.loc[rainfall_high_mask, '区域']+'区域')            p3 += "降雨量较往年偏高"            t = tmp.loc[rainfall_high_mask, '降雨距平(mm)'].abs()            if t.shape[0] > 1:                p3 += f"{t.min()}～{t.max()}mm；"            else:                p3 += f"{t.min()}mm；"    p3s.append([station, p3])p3s[-1][-1] = p3s[-1][-1][:-1]+"。"p3s

6将组织好的文本写入到word中

Word模板文件docxtemplate.docx的内容：

一、{      { month }}月各气象观测站降雨量实况（一）降水{      { p1 }}{      { p2 }}{%p for station,p3 in p3s %}{      { station }}:{      { p3 }}{%p endfor %}

即：

Python渲染代码：

from docxtpl import DocxTemplatetpl = DocxTemplate("docxtemplate.docx")context = {    'month': month,    'p1': p1,    'p2': p2,    'p3s': p3s,}tpl.render(context)tpl.save("11月降雨量报告.docx")

"怎么用Python实现降雨量统计分析"的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注网站，小编将为大家输出更多高质量的实用文章！