import os import numpy as np import pandas as pd from scipy.interpolate import interp1d from scipy.optimize import curve_fit import netCDF4 as nc import matplotlib.pyplot as plt import seaborn as sns import matplotlib.font_manager as fm from CONSTANT import DATA_BASEPATH from modules.cosmic.gravityw_multiday_process import process_single_file DAY_RANGE = (0, 204) # 设置支持中文的字体 plt.rcParams['axes.unicode_minus'] = False # 正常显示负号 fm.fontManager.addfont("./SimHei.ttf") plt.rcParams['font.sans-serif'] = ['Simhei'] # 设置字体为微软雅黑 # 主循环，处理1到365个文件 def get_multiday_data(year=2008, day_range=DAY_RANGE, lat_range=(30, 40)): base_folder_path = f"{DATA_BASEPATH.cosmic}/{year}" all_mean_ktemp_Nz = [] all_mean_ktemp_Ptz = [] day_begin, day_end = day_range for file_index in range(day_begin, day_end): try: mean_ktemp_Nz, mean_ktemp_Ptz = process_single_file( base_folder_path, file_index, lat_range) if mean_ktemp_Nz is not None and mean_ktemp_Ptz is not None: all_mean_ktemp_Nz.append(mean_ktemp_Nz) all_mean_ktemp_Ptz.append(mean_ktemp_Ptz) except ValueError as e: print( f"Error processing file index {file_index}: {e}, skipping this file.") continue # 转换每个数组为二维形状 final_mean_ktemp_Nz = np.vstack([arr.reshape(1, -1) for arr in all_mean_ktemp_Nz]) final_mean_ktemp_Ptz = np.vstack( [arr.reshape(1, -1) for arr in all_mean_ktemp_Ptz]) # 使用条件索引替换大于50的值为NaN final_mean_ktemp_Ptz[final_mean_ktemp_Ptz > 50] = np.nan # heights 为每个高度的值 heights = np.linspace(0, 60, 3000) df_final_mean_ktemp_Ptz = pd.DataFrame(final_mean_ktemp_Ptz) df_final_mean_ktemp_Nz = pd.DataFrame(final_mean_ktemp_Nz) # -------------------------------------------------绘制年统计图------------------------------------ # -----------绘制浮力频率年统计图----------------------- data = df_final_mean_ktemp_Nz.T # 对每个元素进行平方（计算N2） data = data ** 2 data = data*10000 # (绘图好看) # 将大于 10 的值替换为 NaN（个别异常值） data[data > 10] = np.nan return df_final_mean_ktemp_Nz, df_final_mean_ktemp_Ptz, data, heights # 绘制热力图的函数 def plot_heatmap(data, heights, title): plt.figure(figsize=(10, 8)) # 绘制热力图，数据中的行代表高度，列代表天数 sns.heatmap(data, cmap='coolwarm', xticklabels=1, yticklabels=50, cbar_kws={'label': 'Value'}) plt.xlabel('天') plt.ylabel('高度 (km)') plt.title(title) num_days = data.shape[1] x_tick_positions = np.arange(0, num_days, 30) x_tick_labels = np.arange(0, num_days, 30) plt.xticks(x_tick_positions, x_tick_labels) # 设置y轴的刻度，使其显示对应的高度 plt.yticks(np.linspace( 0, data.shape[0] - 1, 6), np.round(np.linspace(heights[0], heights[-1], 6), 2)) # 反转 y 轴，使 0 在底部 plt.gca().invert_yaxis() plt.show() class GravityMultidayPlot: def __init__(self, year, day_range, lat_range=None): self.year = year df_final_mean_ktemp_Nz, df_final_mean_ktemp_Ptz, data, heights = get_multiday_data( year, day_range, lat_range) self.df_final_mean_ktemp_Nz = df_final_mean_ktemp_Nz self.df_final_mean_ktemp_Ptz = df_final_mean_ktemp_Ptz self.data = data self.data1 = df_final_mean_ktemp_Ptz.T self.heights = heights def plot_heatmap_tempNz(self): # 调用函数绘制热力图 data = self.data plot_heatmap(data, self.heights, '"最终平均温度场的热图 (单位：10^(-4))，随浮力频率Nz变化') def plot_heatmap_tempPtz(self): # -------------绘制重力势能年统计图------------------------------------------------ data = self.df_final_mean_ktemp_Ptz.T plot_heatmap(data, self.heights, '最终平均动能温度-位势温度的热图 (单位：焦耳/千克)') def plot_monthly_tempNz(self): # ------------------------绘制月统计图--------------------------------------------------------------------------------- # ----------绘制浮力频率月统计图------------------------------------------------- # 获取总列数 data = self.data num_columns = data.shape[1] # 按30列分组计算均值 averaged_df = [] # 逐步处理每30列 for i in range(0, num_columns, 30): # 获取当前范围内的列，并计算均值 subset = data.iloc[:, i:i+30] # 获取第i到i+29列 mean_values = subset.mean(axis=1) # 对每行计算均值 averaged_df.append(mean_values) # 将均值添加到列表 # 将结果转化为一个新的 DataFrame averaged_df = pd.DataFrame(averaged_df).T # 1. 每3000行取一个均值 # 获取总行数 num_rows = averaged_df.shape[0] # 创建一个新的列表来存储每3000行的均值 averaged_by_rows_df = [] # 逐步处理每3000行 for i in range(0, num_rows, 3000): # 获取当前范围内的行 subset = averaged_df.iloc[i:i+3000, :] # 获取第i到i+99行 mean_values = subset.mean(axis=0) # 对每列计算均值 averaged_by_rows_df.append(mean_values) # 将均值添加到列表 # 将结果转化为一个新的 DataFrame averaged_by_rows_df = pd.DataFrame(averaged_by_rows_df) # 绘制折线图 plt.figure(figsize=(10, 6)) # 设置图形的大小 plt.plot(averaged_by_rows_df.columns, averaged_by_rows_df.mean( axis=0), marker='o', color='b', label='平均值') # 添加标题和标签 plt.title('每月平均N^2的折线图') plt.xlabel('月份') plt.ylabel('N^2(10^-4)') plt.legend() # 显示图形 plt.grid(True) plt.xticks(rotation=45) # 让x轴标签（月份）倾斜，以便更清晰显示 plt.tight_layout() def plot_monthly_energy(self): data1 = self.data1 # ------------重力势能的月统计----------------------------------- # 获取总列数 num_columns = data1.shape[1] # 按30列分组计算均值 averaged_df = [] # 逐步处理每30列 for i in range(0, num_columns, 30): # 获取当前范围内的列，并计算均值 subset = data1.iloc[:, i:i+30] # 获取第i到i+29列 mean_values = subset.mean(axis=1) # 对每行计算均值 averaged_df.append(mean_values) # 将均值添加到列表 # 将结果转化为一个新的 DataFrame averaged_df = pd.DataFrame(averaged_df).T # 1. 每3000行取一个均值 # 获取总行数 num_rows = averaged_df.shape[0] # 创建一个新的列表来存储每3000行的均值 averaged_by_rows_df = [] # 逐步处理每3000行 for i in range(0, num_rows, 3000): # 获取当前范围内的行 subset = averaged_df.iloc[i:i+3000, :] # 获取第i到i+99行 mean_values = subset.mean(axis=0) # 对每列计算均值 averaged_by_rows_df.append(mean_values) # 将均值添加到列表 # 将结果转化为一个新的 DataFrame averaged_by_rows_df = pd.DataFrame(averaged_by_rows_df) # 绘制折线图 plt.figure(figsize=(10, 6)) # 设置图形的大小 plt.plot(averaged_by_rows_df.columns, averaged_by_rows_df.mean( axis=0), marker='o', color='b', label='平均值') # 添加标题和标签 plt.title('每月平均重力势能的折线图') plt.xlabel('月份') plt.ylabel('重力势能（J/Kg）') plt.legend() # 显示图形 plt.grid(True) plt.xticks(rotation=45) # 让x轴标签（月份）倾斜，以便更清晰显示 plt.tight_layout() def plot_floatage_trend(self): data = self.data # 获取总列数 total_columns = data.shape[1] # 用于存储每一组30列计算得到的均值列数据（最终会构成新的DataFrame） mean_columns = [] # 分组序号，用于生成列名时区分不同的均值列，从1开始 group_index = 1 # 按照每30列一组进行划分（不滑动） for start_col in range(0, total_columns, 30): end_col = start_col + 30 if end_col > total_columns: end_col = total_columns # 选取当前组的30列（如果不足30列，按实际剩余列数选取） group_data = data.iloc[:, start_col:end_col] # 按行对当前组的列数据求和 sum_per_row = group_data.sum(axis=1) # 计算平均（每一组的平均，每行都有一个平均结果） mean_per_row = sum_per_row / (end_col - start_col) # 生成新的列名，格式为'Mean_分组序号'，例如'Mean_1'、'Mean_2'等 new_column_name = f'Mean_{group_index}' group_index += 1 # 将当前组计算得到的均值列添加到列表中 mean_columns.append(mean_per_row) # 将所有的均值列合并为一个新的DataFrame（列方向合并） new_mean_df = pd.concat(mean_columns, axis=1) # 按行对new_mean_df所有列的数据进行求和，得到一个Series，索引与new_mean_df的索引一致，每个元素是每行的总和 row_sums = new_mean_df.sum(axis=1) # 计算所有行总和的均值 mean_value = row_sums.mean() # 设置中文字体为黑体，解决中文显示问题（Windows系统下），如果是其他系统或者有其他字体需求可适当调整 plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决负号显示问题 plt.rcParams['axes.unicode_minus'] = False # 提取月份作为x轴标签（假设mean_value的索引就是月份信息） print(mean_value) months = mean_value.index.tolist() # 提取均值数据作为y轴数据 energy_values = mean_value.tolist() # 创建图形和坐标轴对象 fig, ax = plt.subplots(figsize=(10, 6)) # 绘制折线图 ax.plot(months, energy_values, marker='o', linestyle='-', color='b') # 设置坐标轴标签和标题 ax.set_xlabel('月份') ax.set_ylabel('平均浮力频率') ax.set_title('每月浮力频率变化趋势') # 设置x轴刻度，让其旋转一定角度以便更好地显示所有月份标签，避免重叠 plt.xticks(rotation=45) # 显示网格线，增强图表可读性 ax.grid(True) # 显示图形 def plot_floatage_trend(self): data1 = self.data1 # --------------------------------绘制重力势能月统计图------------------------------ # 获取总列数 total_columns = data1.shape[1] # 用于存储每一组30列计算得到的均值列数据（最终会构成新的DataFrame） mean_columns = [] # 分组序号，用于生成列名时区分不同的均值列，从1开始 group_index = 1 # 按照每30列一组进行划分（不滑动） for start_col in range(0, total_columns, 30): end_col = start_col + 30 if end_col > total_columns: end_col = total_columns # 选取当前组的30列（如果不足30列，按实际剩余列数选取） group_data = data1.iloc[:, start_col:end_col] # 按行对当前组的列数据求和 sum_per_row = group_data.sum(axis=1) # 计算平均（每一组的平均，每行都有一个平均结果） mean_per_row = sum_per_row / (end_col - start_col) # 生成新的列名，格式为'Mean_分组序号'，例如'Mean_1'、'Mean_2'等 new_column_name = f'Mean_{group_index}' group_index += 1 # 将当前组计算得到的均值列添加到列表中 mean_columns.append(mean_per_row) # 将所有的均值列合并为一个新的DataFrame（列方向合并） new_mean_df = pd.concat(mean_columns, axis=1) # 按行对new_mean_df所有列的数据进行求和，得到一个Series，索引与new_mean_df的索引一致，每个元素是每行的总和 row_sums = new_mean_df.sum(axis=1) # 计算所有行总和的均值 mean_value = row_sums.mean() # 设置中文字体为黑体，解决中文显示问题（Windows系统下），如果是其他系统或者有其他字体需求可适当调整 plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决负号显示问题 plt.rcParams['axes.unicode_minus'] = False # 提取月份作为x轴标签（假设mean_value的索引就是月份信息） months = mean_value.index.tolist() # 提取均值数据作为y轴数据 energy_values = mean_value.tolist() # 创建图形和坐标轴对象 fig, ax = plt.subplots(figsize=(10, 6)) # 绘制折线图 ax.plot(months, energy_values, marker='o', linestyle='-', color='b') # 设置坐标轴标签和标题 ax.set_xlabel('月份') ax.set_ylabel('平均浮力频率') ax.set_title('每月浮力频率变化趋势') # 设置x轴刻度，让其旋转一定角度以便更好地显示所有月份标签，避免重叠 plt.xticks(rotation=45) # 显示网格线，增强图表可读性 ax.grid(True) # 显示图形