noted orignal filename

cosmic/multiple.py

@@ -1,3 +1,6 @@
+# 这里全是重力波相关的
+# 原始文件名 ：cosmic重力波多天.py
+
 import os
 import numpy as np
 import pandas as pd
@@ -269,7 +272,7 @@ def process_single_file(base_folder_path, i):
 
 
 # 主循环，处理1到3个文件
-base_folder_path = r"./cosmic/data/2008"
+base_folder_path = r"./data/cosmic/2008"
 all_mean_ktemp_Nz = []
 all_mean_ktemp_Ptz = []
 for file_index in range(1, 365):

cosmic/single.py

@@ -1,3 +1,5 @@
+# 重力波 一天cosmic重力波
+
 import os
 import time
 import numpy as np
@@ -361,6 +363,7 @@ def plot_results_mean_ktemp_Nz(mean_ktemp_Nz, heights):
     # plt.gca().invert_yaxis()  # 使高度坐标轴从上到下递增，符合常规习惯
     # plt.show()
 
+
 def plot_results_mean_ktemp_Ptz(mean_ktemp_Ptz, heights):
     """
 

cosmic/temp_render.py

@@ -1,3 +1,4 @@
+# 原始文件 cosmic行星波参数全年逐日绘图
 # 此代码是对数据处理后的txt数据进行行星波参数提取绘图
 
 import pandas as pd
@@ -36,17 +37,16 @@ def temp_render(path:str = f"{DATA_BASEPATH.cosmic}/cosmic.txt", T = 16):
     df = df.dropna(subset=['Temperature'])
     # 设置初始参数
     # initial_guess = [1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0]  # v0, a1, b1, a2, b2, a3, b3
-    initial_guess = [0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5,0.5, 0.5, 0.5, 0.5,0.5, 0.5, 0.5, 0.5]  # 9个 a 和 9个 b 参数
+    initial_guess = [0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5,
+                     0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5]  # 9个 a 和 9个 b 参数
 
     # 设置参数界限
     bounds = (
-    [0, -np.inf, 0, -np.inf, 0, -np.inf, 0, -np.inf, 0, -np.inf, 0, -np.inf, 0, -np.inf, 0, -np.inf, 0, -np.inf],  # 下界
+        [0, -np.inf, 0, -np.inf, 0, -np.inf, 0, -np.inf, 0, -np.inf,
+            0, -np.inf, 0, -np.inf, 0, -np.inf, 0, -np.inf],  # 下界
         [np.inf, np.inf, np.inf, np.inf, np.inf, np.inf, np.inf, np.inf, np.inf, np.inf, np.inf, np.inf, np.inf, np.inf, np.inf,
          np.inf, np.inf, np.inf])  # 上界
 
-
-
-
     # 用于存储拟合参数结果的列表
     all_fit_results = []
 
@@ -77,13 +77,15 @@ def temp_render(path:str = f"{DATA_BASEPATH.cosmic}/cosmic.txt", T = 16):
         temperature = np.array(df_8['Temperature'])  # 温度，因变量
 
         # 用T进行拟合
-        popt, pcov = curve_fit(u_func, x, temperature, p0=initial_guess, bounds=bounds, maxfev=50000)
+        popt, pcov = curve_fit(u_func, x, temperature,
+                               p0=initial_guess, bounds=bounds, maxfev=50000)
 
         # 将拟合结果添加到列表中
         all_fit_results.append(popt)
 
     # 将结果转换为DataFrame
-    columns = ['a1', 'b1', 'a2', 'b2', 'a3', 'b3', 'a4', 'b4', 'a5', 'b5', 'a6', 'b6', 'a7', 'b7', 'a8', 'b8', 'a9', 'b9']
+    columns = ['a1', 'b1', 'a2', 'b2', 'a3', 'b3', 'a4', 'b4',
+               'a5', 'b5', 'a6', 'b6', 'a7', 'b7', 'a8', 'b8', 'a9', 'b9']
     fit_df = pd.DataFrame(all_fit_results, columns=columns)  # fit_df即为拟合的参数汇总
 
     # -------------------------------画图----------------------------

saber/archive/gravity_plot.py

@@ -1,3 +1,4 @@
+# saber 行星波参数一年逐日图
 # 此代码是对数据处理后的txt数据进行行星波参数提取绘图
 
 import pandas as pd

saber/archive/gravity_process.py

@@ -1,3 +1,4 @@
+# 原始文件 saber行星波处理.py
 # 高度、纬度可以指定，得到指定高度纬度下的数据，高度在101行，一般输入70、90、110，纬度在115行，纬度一般输入-20、30、60
 
 import os

saber/archive/zjy_wave_fit_plot.py

@@ -1,3 +1,5 @@
+# saber 重力波
+
 from io import BytesIO
 import netCDF4 as nc
 import numpy as np

tidi/plot.py

@@ -1,3 +1,5 @@
+# 原文件：TIDI循环重力波
+
 import os
 import pandas as pd
 import numpy as np
@@ -377,7 +379,6 @@ def process_vzonal_day(day, year=2015):
 # 初始化一个空的DataFrame来存储所有天的结果
 
 
-
 # -------------------------------------------------------------------------------------------
 # --------meridional-------------------------------------------------------------------------
 def process_vmeridional_day(day, year=2015):
@@ -757,14 +758,17 @@ def day_to_month(day):
         if day <= cumulative_days:
             return f'{["January", "February", "March", "April", "May", "June", "July", "August", "September", "October", "November", "December"][i]}'
 
+
 class TidiPlotv2:
     def __init__(self, year):
         self.year = year
         cache_path = f"{DATA_BASEPATH.tidi}/cache"
         if os.path.exists(f"{cache_path}/{year}/all_days_vzonal_results.parquet") \
                 and os.path.exists(f"{cache_path}/{year}/all_days_vmeridional_results.parquet"):
-            all_days_vzonal_results = pd.read_parquet(f"{cache_path}/{year}/all_days_vzonal_results.parquet")
-            all_days_vmeridional_results = pd.read_parquet(f"{cache_path}/{year}/all_days_vmeridional_results.parquet")
+            all_days_vzonal_results = pd.read_parquet(
+                f"{cache_path}/{year}/all_days_vzonal_results.parquet")
+            all_days_vmeridional_results = pd.read_parquet(
+                f"{cache_path}/{year}/all_days_vmeridional_results.parquet")
         else:
 
             all_days_vzonal_results = pd.DataFrame()
@@ -775,7 +779,8 @@ class TidiPlotv2:
                 all_days_vzonal_results[rf"{day:02d}"] = u2
 
             # 将结果按列拼接
-            all_days_vzonal_results.columns = [f"{day:02d}" for day in range(1, 365)]
+            all_days_vzonal_results.columns = [
+                f"{day:02d}" for day in range(1, 365)]
             # 初始化一个空的DataFrame来存储所有天的结果
             all_days_vmeridional_results = pd.DataFrame()
 
@@ -785,27 +790,29 @@ class TidiPlotv2:
                 all_days_vmeridional_results[rf"{day:02d}"] = v2
 
             # 将结果按列拼接
-            all_days_vmeridional_results.columns = [f"{day:02d}" for day in range(1, 365)]
+            all_days_vmeridional_results.columns = [
+                f"{day:02d}" for day in range(1, 365)]
 
             # cache the results
             # if dir not exists, create it
             if not os.path.exists(f"{cache_path}/{year}"):
                 os.makedirs(f"{cache_path}/{year}")
 
-            all_days_vzonal_results.to_parquet(f"{cache_path}/{year}/all_days_vzonal_results.parquet")
-            all_days_vmeridional_results.to_parquet(f"{cache_path}/{year}/all_days_vmeridional_results.parquet")
+            all_days_vzonal_results.to_parquet(
+                f"{cache_path}/{year}/all_days_vzonal_results.parquet")
+            all_days_vmeridional_results.to_parquet(
+                f"{cache_path}/{year}/all_days_vmeridional_results.parquet")
 
         self.all_days_vzonal_results = all_days_vzonal_results
         self.all_days_vmeridional_results = all_days_vmeridional_results
 
-        
-
         # ---------------------------------------------------------------------------------------------------
         # --------经纬向风平方和计算动能--------------------------------------------------------------------------------
 
         # 使用numpy.where来检查两个表格中的对应元素是否都不是NaN
         sum_df = np.where(
-            pd.notna(all_days_vmeridional_results) & pd.notna(all_days_vzonal_results),
+            pd.notna(all_days_vmeridional_results) & pd.notna(
+                all_days_vzonal_results),
             all_days_vmeridional_results + all_days_vzonal_results,
             np.nan
         )

tidi/staged/plot.py

@@ -1,4 +1,4 @@
-# 行星波
+# 原始文件 TIDI行星波一年逐日图
 
 # 此代码是对数据处理后的txt数据进行行星波参数提取绘图
 # 2006_TIDI_V_Meridional_data.txt也可以做同样处理，一个是经向风提取的行星波，一个是纬向风的

tidi/staged/process.py

@@ -1,3 +1,5 @@
+# 原始文件 TIDI行星波数据处理.py
+
 import os
 import numpy as np
 from scipy.io import loadmat