در این مطلب، ویدئو پایتون: کار با داده های علمی چند بعدی با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,060 –> 00:00:04,730
بعدازظهر بخیر، ناهار خود را
2
00:00:04,730 –> 00:00:06,230
3
00:00:06,230 –> 00:00:10,349
به عنوان قهوهتان خوابآلود خوردید، از اینکه به
4
00:00:10,349 –> 00:00:11,759
جلسه ما آمدید
5
00:00:11,759 –> 00:00:15,570
متشکرم.
6
00:00:15,570 –> 00:00:19,890
7
00:00:19,890 –> 00:00:22,800
8
00:00:22,800 –> 00:00:25,050
از Python درست استفاده می کنید،
9
00:00:25,050 –> 00:00:27,930
بنابراین بیایید مطمئن
10
00:00:27,930 –> 00:00:30,179
شویم که در جلسه درستی هستید و می دانید که
11
00:00:30,179 –> 00:00:33,000
این همان چیزی است که می خواهید در مورد آن بشنوید،
12
00:00:33,000 –> 00:00:37,649
بله خوب است، بنابراین من فرض می کنم که شما
13
00:00:37,649 –> 00:00:41,340
حداقل چیزی در مورد Python یا
14
00:00:41,340 –> 00:00:44,010
شاید نه یا داده های چند بعدی یا
15
00:00:44,010 –> 00:00:46,890
داده های علمی این است که آن جذب صحیح است،
16
00:00:46,890 –> 00:00:49,170
بنابراین بیایید بگوییم چند نفر از شما
17
00:00:49,170 –> 00:00:54,809
چیزی در مورد netcdf شنیده اید، اوه شما
18
00:00:54,809 –> 00:00:56,250
بچه ها بازیگران اصلی هستند درست
19
00:00:56,250 –> 00:00:58,020
مردم مشکلی ندارند،
20
00:00:58,020 –> 00:01:08,130
هر کسی با hdf خوب است، خوب، خوب،
21
00:01:08,130 –> 00:01:10,650
البته شما در جلسه زنده هستید، بیایید
22
00:01:10,650 –> 00:01:17,729
در مورد آن صحبت کنیم بنابراین در این جلسه در
23
00:01:17,729 –> 00:01:20,450
مورد این داده ها و نحوه استفاده از آنها
24
00:01:20,450 –> 00:01:26,750
در سیستم خود در GS با استفاده از Python
25
00:01:26,750 –> 00:01:29,939
صحبت خواهیم کرد و چند چیز دیگر در
26
00:01:29,939 –> 00:01:34,740
طول خط صحبت خواهیم کرد بنابراین قبل از اینکه به جزئیات زیاد وارد شویم،
27
00:01:34,740 –> 00:01:37,500
می خواهم در مورد
28
00:01:37,500 –> 00:01:39,090
علم دادههای چند بعدی
29
00:01:39,090 –> 00:01:42,180
برای ما دقیقاً به عنوان یک شرکت چه معنایی دارد
30
00:01:42,180 –> 00:01:44,220
که در واقع
31
00:01:44,220 –> 00:01:46,560
انتخاب تاریخ احتمالی بنده واقعاً دشوار است و
32
00:01:46,560 –> 00:01:49,530
سپس ما در مورد
33
00:01:49,530 –> 00:01:53,759
دریافت دادهها و مدیریت دادهها صحبت میکنیم و
34
00:01:53,759 –> 00:01:55,110
سپس به تحلیل و تجسم میرویم.
35
00:01:55,110 –> 00:01:57,570
چون میدانید که فقط خواندن دادهها
36
00:01:57,570 –> 00:02:00,479
و تجسم آن کافی نیست، بنابراین ما
37
00:02:00,479 –> 00:02:03,560
میخواهیم کاری در مورد آن انجام دهیم و سپس
38
00:02:03,560 –> 00:02:05,790
چگونه میتوانید
39
00:02:05,790 –> 00:02:08,699
توانایی GS ما را برای انجام کاری
40
00:02:08,699 –> 00:02:11,038
که میخواهید انجام دهید گسترش دهید و سپس در نهایت
41
00:02:11,038 –> 00:02:12,750
در مورد نحوه انجام آن صحبت خواهیم کرد. آیا
42
00:02:12,750 –> 00:02:13,819
کار خود را با
43
00:02:13,819 –> 00:02:15,859
همکار خود در خارج از سازمان به اشتراک می گذارید
44
00:02:15,859 –> 00:02:18,439
و چه چیزی درست نیست، اجازه دهید به سراغ آن برویم
45
00:02:18,439 –> 00:02:20,389
تا چه اطلاعاتی قرار است برای ما درست انتخاب کند،
46
00:02:20,389 –> 00:02:24,319
می دانید که ما وارد بحث نمی شویم
47
00:02:24,319 –> 00:02:25,909
که کدام
48
00:02:25,909 –> 00:02:27,889
منطقه علمی نیست. غیرعلمی
49
00:02:27,889 –> 00:02:30,139
این مشکل من نیست
50
00:02:30,139 –> 00:02:32,329
چند بعدی بودن چیست
51
00:02:32,329 –> 00:02:36,349
، بنابراین برای ما وقتی
52
00:02:36,349 –> 00:02:39,650
این پروژه را در نسخه 9.2 یا
53
00:02:39,650 –> 00:02:42,200
قبل از آن شروع کردیم، گفتیم بسیار خوب،
54
00:02:42,200 –> 00:02:45,650
اگر grib و hd به طور طبیعی از این فرمت ها پشتیبانی می کنیم.
55
00:02:45,650 –> 00:02:49,040
فرمت f اولیه بسته
56
00:02:49,040 –> 00:02:50,359
به سازمانی که
57
00:02:50,359 –> 00:02:52,939
از یک یا دیگری می آیید یا بیشتر از آنها
58
00:02:52,939 –> 00:02:55,669
برای شما اصلی هستند و
59
00:02:55,669 –> 00:02:57,379
ماهیت آنها چند بعدی است، به این معنی
60
00:02:57,379 –> 00:03:01,819
که دارای X Y و شاید z ارتفاع یک عمق یا
61
00:03:01,819 –> 00:03:04,370
زمان یا همه آنها یا چیز دیگری
62
00:03:04,370 –> 00:03:08,090
برای ما درست است
63
00:03:08,090 –> 00:03:09,319
64
00:03:09,319 –> 00:03:12,650
که نمونه دادههای چند بعدی علمی چند
65
00:03:12,650 –> 00:03:14,629
بعدی است که میدانید دادههای آبوهوای اقیانوسی
66
00:03:14,629 –> 00:03:17,719
دادههای زمینی است که میدانید به شما بستگی دارد، دادههای
67
00:03:17,719 –> 00:03:21,319
گفته شده یا سنجش از راه دور یا
68
00:03:21,319 –> 00:03:25,280
خروجی مدل یا هر چیزی بین
69
00:03:25,280 –> 00:03:27,290
راهی که چیزی ایجاد کردهاید. اشکالی ندارد
70
00:03:27,290 –> 00:03:30,459
و من نمونه ای از آن را به شما نشان خواهم داد،
71
00:03:30,459 –> 00:03:33,879
اما شما می خواهید همین الان با این داده ها کار کنید،
72
00:03:33,879 –> 00:03:38,389
اگر از
73
00:03:38,389 –> 00:03:40,340
پس زمینه سنتی GIS می آیید، می دانید که این
74
00:03:40,340 –> 00:03:42,979
کار معمولی نیست که قبلا انجام می دادیم و
75
00:03:42,979 –> 00:03:46,310
دوباره وارد آن شدیم. 9.2 و سپس
76
00:03:46,310 –> 00:03:48,229
ما کارهای بسیار بیشتری در آن منطقه انجام داده ایم
77
00:03:48,229 –> 00:03:52,669
و شی بسیار ساده است، روشی که
78
00:03:52,669 –> 00:03:55,639
ما با سایر داده های جغرافیایی مانند
79
00:03:55,639 –> 00:03:58,549
ویژگی ها و فهرست ها کار می کنیم، ما می خواهیم
80
00:03:58,549 –> 00:04:01,609
همه چیز را با این نوع داده ها
81
00:04:01,609 –> 00:04:04,519
انجام دهیم. یعنی ما میخواهیم مستقیماً
82
00:04:04,519 –> 00:04:07,310
بدون علاقه مستقیم جذب کنیم، میخواهیم
83
00:04:07,310 –> 00:04:10,099
مستقیماً آن را بخوانیم اولین کاری که
84
00:04:10,099 –> 00:04:12,889
میخواهیم انجام دهیم، میخواهیم آن را به خوبی مدیریت کنیم،
85
00:04:12,889 –> 00:04:15,379
میخواهیم متوجه شویم که میخواهیم آن را تجزیه و تحلیل کنیم و
86
00:04:15,379 –> 00:04:18,259
میخواهیم این چرخه کامل
87
00:04:18,259 –> 00:04:19,789
همه چیزهایی را که میشنوید به اشتراک بگذاریم. در مورد سایر
88
00:04:19,789 –> 00:04:21,858
دادهها، ما میخواهیم همه کارها را با این
89
00:04:21,858 –> 00:04:24,020
دادهها انجام دهیم، این هدف است و ما درست انجام میدهیم
90
00:04:24,020 –> 00:04:26,690
، سؤال این است که آیا میتوانید
91
00:04:26,690 –> 00:04:27,430
92
00:04:27,430 –> 00:04:31,000
از آن در کار خود استفاده کنید یا نه، بنابراین چگونه
93
00:04:31,000 –> 00:04:33,699
میتوانیم این دادهها را به درستی دریافت کنیم، بنابراین
94
00:04:33,699 –> 00:04:37,389
بسته به نوع رویکرد شما به آن
95
00:04:37,389 –> 00:04:41,020
برای 3df بعدی ما یک جعبه ابزار به نام
96
00:04:41,020 –> 00:04:43,810
جعبه ابزار چند بعدی داریم و شما
97
00:04:43,810 –> 00:04:48,100
ابزارهایی دارید که با make شروع می شود، بنابراین
98
00:04:48,100 –> 00:04:50,500
از لایه ویژگی لایه شطرنجی
99
00:04:50,500 –> 00:04:52,930
یا نمای جدول ضروری است، بنابراین از این ابزار
100
00:04:52,930 –> 00:04:55,150
برای دریافت داده ها استفاده می
101
00:04:55,150 –> 00:04:57,370
کنید و اکنون آن را ایجاد می کند که چرا آنها
102
00:04:57,370 –> 00:04:59,259
جدول ویژگی های فهرستی متفاوت است زیرا بسته به
103
00:04:59,259 –> 00:05:01,599
ابعاد نوع داده شما از داده
104
00:05:01,599 –> 00:05:04,750
هایی که دارید می تواند یک رستر یا یک
105
00:05:04,750 –> 00:05:07,120
ویژگی یا جدول باشد که بنابراین ما
106
00:05:07,120 –> 00:05:09,580
دو ابزار مختلف برای انجام آن
107
00:05:09,580 –> 00:05:13,259
داریم. آن دادهها را با
108
00:05:13,259 –> 00:05:15,910
وارد کردن آن در موزاییک خود
109
00:05:15,910 –> 00:05:18,280
و ایجاد یک موزاییک در بالای آن، دریافت کنید و سپس
110
00:05:18,280 –> 00:05:20,289
میتوانید این کار را انجام دهید، همچنین میتوانید
111
00:05:20,289 –> 00:05:23,979
آن دادهها را مرور کنید و به برنامه خود اضافه کنید.
112
00:05:23,979 –> 00:05:27,789
113
00:05:27,789 –> 00:05:29,680
114
00:05:29,680 –> 00:05:33,180
سرویس dep به احتمال زیاد
115
00:05:33,180 –> 00:05:38,320
خوب است، بنابراین این یک سرویس است
116
00:05:38,320 –> 00:05:40,360
که استاندارد آن توسط بسیاری از سازمان ها پذیرفته شده است،
117
00:05:40,360 –> 00:05:42,970
مانند هیچ کس بعد از آن واقعاً
118
00:05:42,970 –> 00:05:45,639
به آن نیاز دارید، اوه متاسفم نه اتحاد شما کرک، آنها
119
00:05:45,639 –> 00:05:47,770
در واقع داده ها را با استفاده از این
120
00:05:47,770 –> 00:05:51,490
پروتکل ارائه می دهند و
121
00:05:51,490 –> 00:05:53,680
هدف ما پشتیبانی بود. به طوری که
122
00:05:53,680 –> 00:05:55,599
شما می توانید آن سرویس را مستقیماً در
123
00:05:55,599 –> 00:05:59,080
سیستم ما وارد کنید، به همین دلیل است که ما این
124
00:05:59,080 –> 00:06:03,180
ابزار جدید به نام لایه شطرنجی را باز کرده ایم،
125
00:06:04,560 –> 00:06:07,900
اگر با این
126
00:06:07,900 –> 00:06:10,090
نوع داده ها آشنا هستید، یک چیز در مورد آن می دانید که
127
00:06:10,090 –> 00:06:14,800
فرمت آن یکسان است اما نحوه
128
00:06:14,800 –> 00:06:19,870
نگارش آن فایل می تواند بسیار
129
00:06:19,870 –> 00:06:22,330
مشکل باشد، زیرا همه یک فرمت بسیار آزاد هستند
130
00:06:22,330 –> 00:06:23,830
و هرکسی می تواند
131
00:06:23,830 –> 00:06:26,130
همه چیز را در آنجا به روش خود بنویسد و
132
00:06:26,130 –> 00:06:28,960
شما ممکن است بتوانید یک فایل را بخوانید اما فایل بعدی
133
00:06:28,960 –> 00:06:31,419
. اگر این مشکل را مشاهده کردید، ممکن است نتوانید آن
134
00:06:31,419 –> 00:06:33,099
را بخوانید
135
00:06:33,099 –> 00:06:34,930
و این
136
00:06:34,930 –> 00:06:38,260
مشکل را میدیدید که انگار واقعاً میرفتید و
137
00:06:38,260 –> 00:06:40,879
سعی
138
00:06:40,879 –> 00:06:45,110
میکردید دادههای hdf ناسا را دانلود کنید، برخی کار میکنند، برخی بس
139
00:06:45,110 –> 00:06:46,639
ه به سیستمی که شما کار میکنند کار نم
140
00:06:46,639 –> 00:06:48,860
کنند. در حال استفاده از هر چیزی صحبت نمیکنم،
141
00:06:48,860 –> 00:06:51,379
حتی سیستم ما هم مشکل را
142
00:06:51,379 –> 00:06:53,300
با احمق بعدی درست میکند، زیرا مردم میتوانند
143
00:06:53,300 –> 00:06:55,789
هر طور که میخواهند بنویسند،
144
00:06:55,789 –> 00:06:58,550
مشکل این است که ما نمیتوانیم فقط
145
00:06:58,550 –> 00:07:00,529
از هر چیزی که به نوعی راهنمایی نیاز داریم پشتیبانی کنیم
146
00:07:00,529 –> 00:07:04,759
و به CF اعتماد میکنیم. کنوانسیون برای
147
00:07:04,759 –> 00:07:08,029
پیروی از این قاعده، این قانون است که ما
148
00:07:08,029 –> 00:07:10,520
کتابچه راهنمای آن قانون برای ما است و ما
149
00:07:10,520 –> 00:07:14,629
به دنبال آن قرارداد در پرونده شما هستیم،
150
00:07:14,629 –> 00:07:16,189
اگر به این صورت نوشته شده باشد،
151
00:07:16,189 –> 00:07:18,229
صبر می کنیم، در غیر این صورت
152
00:07:18,229 –> 00:07:20,089
با آن مشکل خواهیم داشت، بنابراین بسیار مهم است که
153
00:07:20,089 –> 00:07:23,300
دادههایی که میخوانید یا مینویسید مطابق با ایمن هستند،
154
00:07:23,300 –> 00:07:26,240
اگر نه، ما در حال حاضر مشکلی داریم که
155
00:07:26,240 –> 00:07:30,649
چگونه آنها را واقعاً
156
00:07:30,649 –> 00:07:34,219
تشخیص میدهیم، آنها را با نگاه کردن به
157
00:07:34,219 –> 00:07:36,949
چند چیز تشخیص میدهیم، مهمترین
158
00:07:36,949 –> 00:07:39,860
چیز در مورد CF که در واقع
159
00:07:39,860 –> 00:07:41,959
دارد. برخی از اطلاعات در مورد جایی
160
00:07:41,959 –> 00:07:45,349
که روی زمین قرار دارد، زیرا ما
161
00:07:45,349 –> 00:07:47,149
سیستم Gs هستیم، ما باید این کار را انجام دهیم
162
00:07:47,149 –> 00:07:49,610
، به همین دلیل است که ما آن را می نامیم.
163
00:07:49,610 –> 00:07:51,349
164
00:07:51,349 –> 00:07:54,289
165
00:07:54,289 –> 00:07:57,110
و ما به این تکیه می کنیم که
166
00:07:57,110 –> 00:07:59,300
اگر در سیستم مختصات جغرافیایی
167
00:07:59,300 –> 00:08:01,009
باشد قوانین خاصی برای انجام آن وجود دارد و
168
00:08:01,009 –> 00:08:02,659
ما به دنبال آن هستیم و می دانیم
169
00:08:02,659 –> 00:08:04,819
که اگر در سیستم مختصات پیش بینی شده
170
00:08:04,819 –> 00:08:06,619
باشد مجموعه قوانین خاصی وجود دارد
171
00:08:06,619 –> 00:08:08,749
که ما به دنبال آن هستیم و اگر
172
00:08:08,749 –> 00:08:10,669
آنجاست که میدانیم میتوانیم
173
00:08:10,669 –> 00:08:12,589
آن را طرح ریزی کنیم و سپس آن را در
174
00:08:12,589 –> 00:08:17,209
آن سیستم قرار دهیم، اگر از espcs استفاده نمیشود
175
00:08:17,209 –> 00:08:18,199
، تعریفنشده
176
00:08:18,199 –> 00:08:20,869
177
00:08:20,869 –> 00:08:22,519
178
00:08:22,519 –> 00:08:24,709
179
00:08:24,709 –> 00:08:26,959
است. درست در آن نقطه بیمعنی
180
00:08:26,959 –> 00:08:30,319
میشویم، بنابراین وقتی آن
181
00:08:30,319 –> 00:08:31,610
را مینویسیم، رشته پیشبینی رشته P را نیز
182
00:08:31,610 –> 00:08:33,469
مینویسیم تا
183
00:08:33,469 –> 00:08:37,399
اکنون که
184
00:08:37,399 –> 00:08:39,679
مرحله را تنظیم کردهایم که
185
00:08:39,679 –> 00:08:43,578
در این جلسه شما کمی سریعتر پیش برویم، میتوانیم آن را بهتر بخوانیم.
186
00:08:43,578 –> 00:08:46,819
تمرکز اصلی روی چیزها خواهد بود، زیرا او
187
00:08:46,819 –> 00:08:48,380
در واقع چیزهای زیادی را نشان می دهد
188
00:08:48,380 –> 00:08:50,420
که شما می خواهید آن را بکشید، ببینید چگونه
189
00:08:50,420 –> 00:08:53,720
کارها در عمل کار می کنند، نه بر اساس
190
00:08:53,720 –> 00:08:55,779
تئوری
191
00:08:55,779 –> 00:08:58,520
که داده های چند بعدی است، بنابراین آنچه می
192
00:08:58,520 –> 00:09:00,529
خواهید انجام دهید این است که می خواهید برش ها را تغییر دهید.
193
00:09:00,529 –> 00:09:03,200
یا مراحل زمانی برای دیدن آن به روشی
194
00:09:03,200 –> 00:09:06,620
که میتوانیم انجام دهیم این است که اسلایدها را
195
00:09:06,620 –> 00:09:09,110
از صفحه ویژگی تغییر دهیم یا ابزار اجرای روح
196
00:09:09,110 –> 00:09:11,720
با ابعاد را انتخاب
197
00:09:11,720 –> 00:09:13,250
کنیم که اگر بعد را تغییر دهم و
198
00:09:13,250 –> 00:09:16,190
در واقع بتوانم آن را همین الان ببینم، در
199
00:09:16,190 –> 00:09:17,779
مورد مدیریت داده یکی
200
00:09:17,779 –> 00:09:19,420
از مشکلاتی است که با آن مواجه شدیم که
201
00:09:19,420 –> 00:09:22,520
برخی از برش ها در
202
00:09:22,520 –> 00:09:25,640
فایل جداگانه نوشته می شوند یا خروجی برای
203
00:09:25,640 –> 00:09:27,770
این ناحیه و این ناحیه دارید و این ناحیه
204
00:09:27,770 –> 00:09:30,230
مانند درآمد مناطق مختلف است اما
205
00:09:30,230 –> 00:09:33,260
می خواهید خروجی را به صورت یک
206
00:09:33,260 –> 00:09:35,839
لایه بدون درز پیوسته ببینید. این کار را درست انجام دهید
207
00:09:35,839 –> 00:09:38,029
تا تبدیل به یک مشکل شوند، بنابراین ما
208
00:09:38,029 –> 00:09:41,000
با انجام برخی تکنیک ها مشکل را حل
209
00:09:41,000 –> 00:09:43,010
210
00:09:43,010 –> 00:09:44,779
211
00:09:44,779 –> 00:09:47,180
212
00:09:47,180 –> 00:09:49,670
می کنیم. در واقع یک راه عالی برای تجمیع
213
00:09:49,670 –> 00:09:52,550
چیزهای خاص است، این نوع متفاوتی از
214
00:09:52,550 –> 00:09:56,180
تجمیع است، در این زمینه،
215
00:09:56,180 –> 00:09:59,480
تجمع به این معناست که شما به
216
00:09:59,480 –> 00:10:01,279
تمام لایههایی که میشناسید نگاه میکنید و یک
217
00:10:01,279 –> 00:10:04,550
لایه بدون درز ایجاد میکنید، نه تجمع آماری
218
00:10:04,550 –> 00:10:07,130
درست، بنابراین ما میخواستیم آن را
219
00:10:07,130 –> 00:10:10,600
آزاد کنیم و انجام دهیم. جمع آوری ویژه
220
00:10:10,600 –> 00:10:13,310
از طریق مجموعه داده های موزاییک و سپس به
221
00:10:13,310 –> 00:10:16,339
شما نشان خواهیم داد که می دانید چگونه این کار را انجام می دهیم، بنابراین اگر
222
00:10:16,339 –> 00:10:17,990
فایل های مختلفی دارید می توانید آن را
223
00:10:17,990 –> 00:10:19,640
در موزاییک قرار دهید، مطمئناً تمام
224
00:10:19,640 –> 00:10:22,970
این قابلیت ها را به درستی دریافت کرده اید، آن را در
225
00:10:22,970 –> 00:10:25,310
موزاییک ذخیره می کنید و واقعاً آن را نمی خواند یا
226
00:10:25,310 –> 00:10:26,990
آن را تبدیل کنید و فقط به
227
00:10:26,990 –> 00:10:29,750
یک فایل netcdf NHD اصلی شما اشاره می کند و
228
00:10:29,750 –> 00:10:32,060
سابقه شما نشان می دهد که چگونه آنها
229
00:10:32,060 –> 00:10:37,100
تکه های جداگانه را ذخیره می کنند درست چه
230
00:10:37,100 –> 00:10:40,070
فایده ای دارد که از آن بهره می برید که در
231
00:10:40,070 –> 00:10:42,770
واقع مزیت فوق العاده ای است که
232
00:10:42,770 –> 00:10:44,630
می تواند تجمیع خاصی را انجام دهد زیرا
233
00:10:44,630 –> 00:10:46,339
ما داده هایی برای موارد مختلف داریم. منطقه و
234
00:10:46,339 –> 00:10:49,160
میخواهید یک لایه بدون درز ایجاد کنید، ممکن
235
00:10:49,160 –> 00:10:51,800
است برشهای مختلفی در فایلهای مختلف داشته
236
00:10:51,800 –> 00:10:54,020
باشید، اما میخواهید آن را به صورت یک مکعب ببینید،
237
00:10:54,020 –> 00:10:55,760
تجمع زمانی یا هر
238
00:10:55,760 –> 00:10:57,110
سکه وجود دارد. تجمیع ملی که میخواهید این کار را انجام دهید،
239
00:10:57,110 –> 00:10:59,420
پس یکی از چیزهای مهمی که
240
00:10:59,420 –> 00:11:02,000
از آن به دست میآورید، تجزیه و تحلیل در حین پرواز است، زیرا
241
00:11:02,000 –> 00:11:04,220
هنگامی که در حال حرکت هستید، میتوانید
242
00:11:04,220 –> 00:11:06,500
عملکرد را در بالای آن اعمال کنید و
243
00:11:06,500 –> 00:11:07,800
در واقع میتوانید
244
00:11:07,800 –> 00:11:10,709
محصول جدیدی را در پرواز ایجاد کنید.
245
00:11:10,709 –> 00:11:12,630
مثال آن این است که اگر
246
00:11:12,630 –> 00:11:15,480
دما بر حسب کلوین باشد، می دانید که
247
00:11:15,480 –> 00:11:17,190
چند نفر می دانند که دمای دو روز
248
00:11:17,190 –> 00:11:19,019
این باد دوربین
249
00:11:19,019 –> 00:11:20,760
است، ممکن است آن را دریافت نکنید، احتمالاً می خواهید با
250
00:11:20,760 –> 00:11:22,830
فارنهایت ارتباط برقرار کنید، بنابراین آنچه
251
00:11:22,830 –> 00:11:24,480
می توانید انجام دهید، می توانید عملاً عملکرد را اعمال کنید.
252
00:11:24,480 –> 00:11:26,640
علاوه بر آن ریاضی ساده و
253
00:11:26,640 –> 00:11:29,610
اینکه محصول شما به جای کلوین به درجه فارنهایت تبدیل میشود،
254
00:11:29,610 –> 00:11:31,950
255
00:11:31,950 –> 00:11:34,230
درست است که دادهها را تبدیل نمیکنید.
256
00:11:34,230 –> 00:11:36,360
257
00:11:36,360 –> 00:11:39,779
258
00:11:39,779 –> 00:11:41,970
259
00:11:41,970 –> 00:11:44,010
260
00:11:44,010 –> 00:11:46,290
پردازش دادههای تبدیل کل موضوع
261
00:11:46,290 –> 00:11:50,970
برای گردش کار بسیار کارآمدتر میشود
262
00:11:50,970 –> 00:11:54,899
و نحوه ایجاد آن که اساساً
263
00:11:54,899 –> 00:11:56,760
شما میدانید نوع شطرنجی خود را تعریف کنید
264
00:11:56,760 –> 00:11:59,220
و سپس قالب داده ای که دارید و
265
00:11:59,220 –> 00:12:01,110
الگوی پردازش خود را تعریف می کنید،
266
00:12:01,110 –> 00:12:03,269
آن را بارگیری می کنید و به درستی عملیاتی
267
00:12:03,269 –> 00:12:07,500
می شود، همچنین می توانید محصول شطرنجی را تعریف کنید یا به آن تکیه کنید،
268
00:12:07,500 –> 00:12:09,779
ما در واقع تعداد زیادی از
269
00:12:09,779 –> 00:12:12,420
آنها را خارج از جعبه ارسال می کنیم، به این ترتیب که
270
00:12:12,420 –> 00:12:14,899
نیازی به تعریف یا مشخص نیست. برخی از
271
00:12:14,899 –> 00:12:17,399
ترکیبی از چیزهایی که به طور خودکار برای شما اتفاق میافتد،
272
00:12:17,399 –> 00:12:19,410
میتوانید محصولات سفارشی خود را ایجاد کنید،
273
00:12:19,410 –> 00:12:21,180
بنابراین وقتی واقعاً آن را
274
00:12:21,180 –> 00:12:25,770
میخوانید، بدانید که کدام متغیر
275
00:12:25,770 –> 00:12:27,630
با متغیرهای دیگر همراه است و در واقع کار میکند
276
00:12:27,630 –> 00:12:29,579
و مثال ما از آن این است که
277
00:12:29,579 –> 00:12:31,410
شما جهت و اندازه دارید اما شما
278
00:12:31,410 –> 00:12:33,450
همچنین میخواهم این را بهعنوان یک وکتور نشان
279
00:12:33,450 –> 00:12:35,010
دهم تا مجبور نباشی این ترکیب
280
00:12:35,010 –> 00:12:38,910
را خودتان انجام دهید، ما این کار را برای شما انجام میدهیم که
281
00:12:38,910 –> 00:12:41,100
در واقع آن را به دانگ تحویل میدهم و
282
00:12:41,100 –> 00:12:43,500
او برخی از قابلیتهای اساسی را به شما نشان میدهد
283
00:12:43,500 –> 00:12:48,200
ممنون نورمن
284
00:12:53,060 –> 00:12:59,100
سه سه تا در این نسخه ی نمایشی به
285
00:12:59,100 –> 00:13:02,250
شما نشان می دهم که چگونه به طور مستقیم
286
00:13:02,250 –> 00:13:03,150
287
00:13:03,150 –> 00:13:06,450
داده های netcdf خود
288
00:13:06,450 –> 00:13:09,840
را دریافت کنید، اگر متغیر درون
289
00:13:09,840 –> 00:13:13,560
فایل netcdf شما به طور منظم فاصله دارد، می خواهید یک Aff ایجاد کنید.
290
00:13:13,560 –> 00:13:15,600
لایه شطرنجی iliate
291
00:13:15,600 –> 00:13:18,440
از آن به عنوان مثال من این
292
00:13:18,440 –> 00:13:22,710
دمای حداکثر دما را در داخل
293
00:13:22,710 –> 00:13:25,590
این فایل netcdf دارم، شما مسیر داده
294
00:13:25,590 –> 00:13:28,530
را وارد می کنید و همه متغیرهای داخل
295
00:13:28,530 –> 00:13:31,680
فایل پر می شوند، شما متغیر مورد نظر خود را
296
00:13:31,680 –> 00:13:34,860
انتخاب کنید و ابعاد x و y
297
00:13:34,860 –> 00:13:36,600
به طور خودکار
298
00:13:36,600 –> 00:13:40,200
در اینجا پر می شوند. بنابراین به این ترتیب در این
299
00:13:40,200 –> 00:13:42,690
فایل که حداکثر دما در
300
00:13:42,690 –> 00:13:46,080
سیستم مختصات جغرافیایی است بنابراین
301
00:13:46,080 –> 00:13:50,220
طول و عرض جغرافیایی است در اینجا ما یک
302
00:13:50,220 –> 00:13:52,620
پارامتر مقدار ابعاد داریم اختیاری است
303
00:13:52,620 –> 00:13:55,590
اما شما می توانید هر برش زمانی را که
304
00:13:55,590 –> 00:14:04,170
علاقه دارید مشخص کنید اجازه دهید این ابزار را اجرا کنیم ما
305
00:14:04,170 –> 00:14:07,530
همچنین یک قطعه پایتون داریم. برای خودکار کردن
306
00:14:07,530 –> 00:14:15,810
این فرآیند، دو لایه دوم
307
00:14:15,810 –> 00:14:18,540
مغناطیسی است، اگر بینش متغیر بینشهای متغیر
308
00:14:18,540 –> 00:14:22,140
فایل الکترونیکی روش شما با فاصله نامنظم است،
309
00:14:22,140 –> 00:14:25,410
نمیخواهید یک لایه شطرنجی بسازید، بنابراین
310
00:14:25,410 –> 00:14:29,720
میخواهید یک لایه ویژگی STD بسازید،
311
00:14:30,410 –> 00:14:34,920
اما یک کلامی با فاصله نامنظم میتواند باشد.
312
00:14:34,920 –> 00:14:39,030
همچنین به لایه ویژگی تبدیل شود، به
313
00:14:39,030 –> 00:14:41,220
عنوان مثال من از همین متغیر
314
00:14:41,220 –> 00:14:44,370
در داخل این روش استفاده می کنم، فایل گوش، متغیر Tmax را انتخاب کنید
315
00:14:44,370 –> 00:14:45,060
316
00:14:45,060 –> 00:14:49,940
و XY متغیر ما را برش دهید.
317
00:14:49,940 –> 00:14:54,000
نکته مهم در پارامتر،
318
00:14:54,000 –> 00:14:55,350
ابعاد ردیف است،
319
00:14:55,350 –> 00:14:58,380
اگر ابعاد ردیفی را
320
00:14:58,380 –> 00:15:01,380
در اینجا مشخص نکنید، تنها یک امتیاز دریافت خواهید کرد
321
00:15:01,380 –> 00:15:05,730
که اولین مقدار همه ابعاد است، اما اگر
322
00:15:05,730 –> 00:15:08,100
به عنوان مثال طول و
323
00:15:08,100 –> 00:15:11,580
عرض جغرافیایی را مشخص کنید، تعداد کل رکوردها را دریافت خواهید
324
00:15:11,580 –> 00:15:15,480
کرد. برابر است با اندازه
325
00:15:15,480 –> 00:15:17,880
ابعاد طول جغرافیایی ضربدر اندازه ابعاد
326
00:15:17,880 –> 00:15:24,530
قدر از این دو،
327
00:15:32,990 –> 00:15:38,630
همانطور که می بینید تمام نقاط ویژگی
328
00:15:38,630 –> 00:15:41,899
بر اساس متغیری که
329
00:15:41,899 –> 00:15:49,420
فیلدهای طول جغرافیایی دارد، عرض جغرافیایی و T max ساخته شده است،
330
00:15:49,420 –> 00:15:52,070
اگر اکنون به بعد دیگری علاقه مند هستید،
331
00:15:52,070 –> 00:15:55,550
زمانی دیگر شما را برش دهید. می توانید از
332
00:15:55,550 –> 00:15:58,550
ابزار انتخاب بر اساس بعد برای رفتن به
333
00:15:58,550 –> 00:16:07,550
یک اسلاید دیگر از اینجا استفاده کنید، وقتی بعد زمانی را
334
00:16:07,550 –> 00:16:09,740
مشخص کنید،
335
00:16:09,740 –> 00:16:13,250
تمام مقادیر بعد زمان پر می
336
00:16:13,250 –> 00:16:16,250
شود و می توانید هر کدام را که علاقه دارید انتخاب کنید
337
00:16:16,250 –> 00:16:23,360
امروزه
338
00:16:23,360 –> 00:16:26,420
داده های زیادی از طریق اینترنت برای آن با
339
00:16:26,420 –> 00:16:31,070
دنبال کردن ارائه می شود. پروتکل عمق باز، بنابراین
340
00:16:31,070 –> 00:16:33,110
نیازی به دانلود فایل ویدئویی بعدی
341
00:16:33,110 –> 00:16:36,500
برای مشاهده دادهها ندارید، میتوانید از
342
00:16:36,500 –> 00:16:41,329
ابزار لایه لایه Raptor برنامه ترکیبی ما استفاده
343
00:16:41,329 –> 00:16:44,089
کنید. برای مثال به این
344
00:16:44,089 –> 00:16:47,660
سرور داده نواری بروید، این
345
00:16:47,660 –> 00:16:50,360
مشاهدات هواشناسی شبکهبندی شده را دارد،
346
00:16:50,360 –> 00:16:54,230
برای باز کردن آن و پیدا کردن
347
00:16:54,230 –> 00:16:58,880
URL دادهای که آن URL را کپی کردهاید و در
348
00:16:58,880 –> 00:17:03,320
این گفتگوی ابزار جایگذاری کنید، پس از آن همه
349
00:17:03,320 –> 00:17:05,660
متغیرها پر میشوند،
350
00:17:05,660 –> 00:17:09,160
میتوانید هر کدام را انتخاب کنید. شما به
351
00:17:09,160 –> 00:17:12,559
چیز خوبی در مورد این ابزار علاقه دارید این است که
352
00:17:12,559 –> 00:17:16,640
می تواند یک زیرمجموعه هم از نظر مکانی و هم از نظر
353
00:17:16,640 –> 00:17:19,670
زمانی داشته باشد به طوری که شما مجبور نخواهید بود که
354
00:17:19,670 –> 00:17:21,619
از طریق پین دانلود کل
355
00:17:21,619 –> 00:17:26,660
داده کل مجموعه داده بروید، بنابراین من فقط به اینجا
356
00:17:26,660 –> 00:17:30,280
علاقه مند هستم دو روز
357
00:17:35,330 –> 00:17:40,140
پس اکنون این دادهها
358
00:17:40,140 –> 00:17:46,110
بسته به سرعت اینترنت در یک لایه شطرنجی نگاشت میشوند
359
00:17:46,110 –> 00:17:49,169
، دو زمان اجرا
360
00:17:49,169 –> 00:17:59,029
ممکن است متفاوت باشد، بسیار
361
00:18:06,760 –> 00:18:12,380
خوب این است که لایه rapture استفاده از باد
362
00:18:12,380 –> 00:18:17,770
از این دادههای شکاف باز خاص است،
363
00:18:17,770 –> 00:18:20,720
بنابراین برای نسخه آزمایشی بعدی من هستم به شما نشان میدهم
364
00:18:20,720 –> 00:18:27,830
که چگونه فایلهای داده مختلف را مدیریت کنید چرا
365
00:18:27,830 –> 00:18:30,110
پروژه را باز میکنم، بیایید
366
00:18:30,110 –> 00:18:33,230
به دادههایی که دارم نگاهی بیندازیم، بنابراین این را دانلود کردم
367
00:18:33,230 –> 00:18:36,110
و comdata دادههای اقیانوس است
368
00:18:36,110 –> 00:18:39,290
و دارای مناطق مختلف منطقه 1 و
369
00:18:39,290 –> 00:18:42,140
منطقه است. n 7 مواردی هستند که به آنها علاقه مند هستم
370
00:18:42,140 –> 00:18:45,470
همانطور که می بینید
371
00:18:45,470 –> 00:18:49,220
سری های زمانی متفاوتی برای منطقه 1 و 2 دارد بنابراین
372
00:18:49,220 –> 00:18:53,630
من دو بار دوره زمانی را برای
373
00:18:53,630 –> 00:18:57,530
منطقه 1 و منطقه 7 دانلود کردم اکنون
374
00:18:57,530 –> 00:19:00,470
از مجموعه داده موزاییک استفاده می کنم تا به صورت فضایی و
375
00:19:00,470 –> 00:19:03,950
به طور موقت این فایل ها را جمع آوری می
376
00:19:03,950 –> 00:19:08,420
کنم، بنابراین اساساً من چهار فایل برای دو
377
00:19:08,420 –> 00:19:11,660
منطقه و دو دوره زمانی دارم، بنابراین
378
00:19:11,660 –> 00:19:16,370
اولین گام این است که یک مجموعه داده موزاییک خالی ایجاد
379
00:19:16,370 –> 00:19:20,990
کنید، مکان مطلق را انتخاب کنید
380
00:19:20,990 –> 00:19:24,140
و نامی به آن بدهید و می خواهید
381
00:19:24,140 –> 00:19:26,510
سیستم مختصاتی را که
382
00:19:26,510 –> 00:19:33,110
در GCS است مشخص کنید. WGS 1984 اینجاست و این
383
00:19:33,110 –> 00:19:37,070
ابزار را اجرا میکنید، یک مجموعه داده موزاییک خالی ایجاد میکند،
384
00:19:37,070 –> 00:19:43,760
سپس گام دوم SEC
385
00:19:43,760 –> 00:19:50,750
اضافه کردن تیرها به مجموعه دادههای موزاییک است، بنابراین
386
00:19:50,750 –> 00:19:54,380
اکنون موزاییکهای شما خالی است،
387
00:19:54,380 –> 00:19:58,780
میخواهید آن فایلها را به این موزاییک خالی اضافه کنید،
388
00:19:59,650 –> 00:20:03,050
بنابراین در اینجا موارد مهم وجود دارد. نکته این است
389
00:20:03,050 –> 00:20:06,050
که نوع rapture را مشخص کنید زیرا ما
390
00:20:06,050 –> 00:20:08,240
از فایل netcdf استفاده می کنیم و می خواهید netcdf را انتخاب کنید
391
00:20:08,240 –> 00:20:11,930
و سپس این
392
00:20:11,930 –> 00:20:16,540
فایل ها را در ابزار بارگذاری
393
00:20:20,710 –> 00:20:23,960
394
00:20:23,960 –> 00:20:26,750
395
00:20:26,750 –> 00:20:31,730
می کنید. xpose برای اینجا
396
00:20:31,730 –> 00:20:33,889
به عنوان مثال من به دمای آب علاقه مند هستم،
397
00:20:33,889 –> 00:20:36,409
بنابراین دمای آب سمت چپ را
398
00:20:36,409 –> 00:20:40,039
در همه آن فایل ها تنظیم می کنم و سپس
399
00:20:40,039 –> 00:20:42,529
این ابزار را اجرا می کنید حدود یک دقیقه طول می کشد
400
00:20:42,529 –> 00:20:45,590
تا آن را اجرا کنید، بنابراین من از این
401
00:20:45,590 –> 00:20:50,710
فرآیند صرف نظر می کنم. نتیجه
402
00:20:50,770 –> 00:20:55,099
[Music]
403
00:20:59,970 –> 00:21:03,880
پس از افزودن به این raptures
404
00:21:03,880 –> 00:21:07,510
به مجموعه داده های Molech، همه
405
00:21:07,510 –> 00:21:11,200
این فایل ها را با نام متغیرها در
406
00:21:11,200 –> 00:21:14,680
آن خواهید داشت و تعداد کل رکوردهای
407
00:21:14,680 –> 00:21:17,470
داخل این موزاییک برابر با
408
00:21:17,470 –> 00:21:21,130
تعداد متغیرها و تعداد
409
00:21:21,130 –> 00:21:24,820
اندازه ابعاد است. بنابراین دارای یک
410
00:21:24,820 –> 00:21:29,320
بعد زمانی و یک بعد عمقی است که به این صورت است
411
00:21:29,320 –> 00:21:32,620
که شما داده های علمی خود را در یک
412
00:21:32,620 –> 00:21:36,970
فایل ویدئویی در نوع PDF و hdf مدیریت می کنید و
413
00:21:36,970 –> 00:21:47,950
به حالت unum برمی گردید، بنابراین Bing دارای
414
00:21:47,950 –> 00:21:49,960
سخت ترین برخی از قابلیت های اساسی در
415
00:21:49,960 –> 00:21:52,570
نحوه دریافت و مدیریت آن است. دادهها، بنابراین
416
00:21:52,570 –> 00:21:58,360
اکنون میخواهم به وضعیتی بروم
417
00:21:58,360 –> 00:21:59,860
که شما دادهها را در اختیار دارید که
418
00:21:59,860 –> 00:22:03,760
میتوانید آن را به درستی انجام دهید، بنابراین همانطور که قبلاً صحبت کردم، میخواهید
419
00:22:03,760 –> 00:22:05,500
420
00:22:05,500 –> 00:22:07,750
آن را نمایش دهید و در واقع میتوانید
421
00:22:07,750 –> 00:22:09,480
آن را در همان
422
00:22:09,480 –> 00:22:12,010
لایه نمایش دهید. نمادشناسی و همه چیزهایی که داریم
423
00:22:12,010 –> 00:22:15,220
چرا چون روشی که ما آن را می خوانیم
424
00:22:15,220 –> 00:22:17,470
با آن مانند یک شطرنجی رفتار می کنیم اگر
425
00:22:17,470 –> 00:22:19,120
بعد از آن بخوانیم بنابراین هر کاری را که می توانید
426
00:22:19,120 –> 00:22:21,660
با شطرنجی انجام دهید می توانید با آن به درستی
427
00:22:21,660 –> 00:22:24,430
با همان ویژگی مشابه با
428
00:22:24,430 –> 00:22:26,140
جدول انجام دهید. بنابراین میتوانید
429
00:22:26,140 –> 00:22:27,490
تمام عملیاتی را که واقعاً میتوانید
430
00:22:27,490 –> 00:22:30,460
با این مجموعه داده انجام دهید، اجرا کنید، در واقع میتوانید
431
00:22:30,460 –> 00:22:33,070
یک نمودار ایجاد کنید و اگر چند بعدی است، میتوانید آن را متحرک کنید
432
00:22:33,070 –> 00:22:35,320
، به روشی دیگر
433
00:22:35,320 –> 00:22:37,240
که میتوانید در واقع آن را محدود کنید، استفاده از
434
00:22:37,240 –> 00:22:39,640
نوار لغزنده است. Pro من
435
00:22:39,640 –> 00:22:41,830
نمیدانم کسی در مورد چیزی
436
00:22:41,830 –> 00:22:45,280
به نام لغزنده اجاره در جریان پرو
437
00:22:45,280 –> 00:22:48,010
شنیده است یا خیر، زیرا اگر میخواهید
438
00:22:48,010 –> 00:22:51,220
تمام برشها را در عمق ببینید، از
439
00:22:51,220 –> 00:22:53,860
نوار لغزنده محدوده استفاده میکنید، میخواهید برشها را در طول زمان ببینید، از
440
00:22:53,860 –> 00:22:57,430
نوار لغزنده زمان درست استفاده میکنید.
441
00:22:57,430 –> 00:23:00,070
مهمترین چیز این است که شما واقعاً می توانید
442
00:23:00,070 –> 00:23:01,300
این
443
00:23:01,300 –> 00:23:05,080
444
00:23:05,080 –> 00:23:06,970
445
00:23:06,970 –> 00:23:08,590
446
00:23:08,590 –> 00:23:10,690
داده ها را تجزیه و تحلیل کنید.
447
00:23:10,690 –> 00:23:12,100
448
00:23:12,100 –> 00:23:15,100
st می خواهد آن را
449
00:23:15,100 –> 00:23:18,010
به صورت شطرنجی داشته باشد یا تمام
450
00:23:18,010 –> 00:23:19,810
صدها صد ابزار تحلیلی را که در اختیار داریم
451
00:23:19,810 –> 00:23:22,540
را مشخص کند، می توانید از همه آنها استفاده کنید و تجزیه و تحلیل خود را انجام دهید
452
00:23:22,540 –> 00:23:24,460
و نشان می دهد که مثالی از اینکه
453
00:23:24,460 –> 00:23:31,060
تجسم درست
454
00:23:31,060 –> 00:23:34,690
مشکل مهمی است و ما در مورد برش که ذکر کردیم
455
00:23:34,690 –> 00:23:37,030
اشاره می کنیم. در مورد انیمیشن در طول زمان که
456
00:23:37,030 –> 00:23:38,740
می توانید با نوار لغزنده زمان خود انجام دهید و
457
00:23:38,740 –> 00:23:42,220
ما اکنون آن را اسلاید می کنیم یک چیز مهم دیگر
458
00:23:42,220 –> 00:23:44,650
این است که آیا می توانید از رندر از پیش تعریف شده استفاده
459
00:23:44,650 –> 00:23:46,930
کنید و کمی بیشتر در مورد آن صحبت خواهیم کرد
460
00:23:46,930 –> 00:23:48,970
زیرا برخی از داده ها در واقع به
461
00:23:48,970 –> 00:23:51,460
خوبی نمایش داده می شوند. شما در واقع از یک
462
00:23:51,460 –> 00:23:54,550
رندر از پیش تعریف شده استفاده میکنید و به روش خاصی نمایش
463
00:23:54,550 –> 00:23:56,830
میدهید که میتوانید از همه آنهایی که این
464
00:23:56,830 –> 00:24:00,070
دادههای پیکربندی را دارند استفاده کنید، مثلاً در اینجا مثالی از
465
00:24:00,070 –> 00:24:03,790
آن است که اگر جریان اقیانوسی درست است،
466
00:24:03,790 –> 00:24:05,860
میتوانید آن را در جهت و بزرگی داشته
467
00:24:05,860 –> 00:24:09,070
باشید یا میتوانید مؤلفه D خود را داشته باشید
468
00:24:09,070 –> 00:24:11,980
. نمیخواهم آن را بهعنوان یک
469
00:24:11,980 –> 00:24:15,040
شطرنجی پیوسته ببینم، بنابراین با مقادیر پر میکنم،
470
00:24:15,040 –> 00:24:16,870
به این معنی نیست که شما میخواهید آن را
471
00:24:16,870 –> 00:24:18,670
بهعنوان یک فلش ببینید، بنابراین در واقع برای
472
00:24:18,670 –> 00:24:20,950
رفتن به جایی درست است، بنابراین ما یک
473
00:24:20,950 –> 00:24:23,290
رندر جدید داریم که آن را مینامیم. یک رندر فیلد برداری
474
00:24:23,290 –> 00:24:26,350
که در آن ما از UND egyptian پشتیبانی می کنیم
475
00:24:26,350 –> 00:24:28,450
و شما همه چیز را با بزرگی پشتیبانی می کنیم و
476
00:24:28,450 –> 00:24:31,390
سپس ناگهان به صورت L در سمت راست نشان داده می شود
477
00:24:31,390 –> 00:24:33,940
، نمونه ای از رندر از پیش تعریف شده است که تبدیل
478
00:24:33,940 –> 00:24:36,220
شدید به ویژگی را حذف می کند
479
00:24:36,220 –> 00:24:37,930
زیرا قبلاً باید
480
00:24:37,930 –> 00:24:39,850
یک نقطه ایجاد می کردید و سپس به
481
00:24:39,850 –> 00:24:41,290
نقطه نمایش می دادید. دیگر لازم نیست این کار را
482
00:24:41,290 –> 00:24:43,720
درست انجام دهید، پردازش داده ها را حذف می کند و
483
00:24:43,720 –> 00:24:48,000
عملکرد را بهبود می بخشد درست من
484
00:24:48,000 –> 00:24:50,020
اشاره کردم که تمام ابزارهایی که
485
00:24:50,020 –> 00:24:52,090
ما در توپ خود داریم می توانید در واقع روی
486
00:24:52,090 –> 00:24:53,800
آن اعمال کنید به من اجازه می دهد در واقع یک
487
00:24:53,800 –> 00:24:56,470
مدل پیچیده مانند این ایجاد کنید و شما می توانید
488
00:24:56,470 –> 00:24:58,390
مدل سازی ما را در واقع مدل سازی زمانی خاص انجام دهید
489
00:24:58,390 –> 00:25:00,130
یا می توانید تمام این ابعاد دیگر را تجزیه و تحلیل
490
00:25:00,130 –> 00:25:03,340
کنید تا بتوانید واقعاً
491
00:25:03,340 –> 00:25:05,140
یک مدل پیچیده ایجاد کنید و مشکل پیچیده ای
492
00:25:05,140 –> 00:25:09,300
را در جایی که از این داده ها
493
00:25:09,300 –> 00:25:11,170
استفاده می کنید با استفاده
494
00:25:11,170 –> 00:25:14,140
از موزاییک حل کنید.
495
00:25:14,140 –> 00:25:15,880
در واقع یک تابع را اعمال کنید چن
496
00:25:15,880 –> 00:25:17,470
هر کسی به احتمال زیاد با یک تابع شطرنجی آشنا
497
00:25:17,470 –> 00:25:20,890
498
00:25:20,890 –> 00:25:22,870
است، بسیار خوب، این در واقع چیزهای بسیار قدرتمندی است
499
00:25:22,870 –> 00:25:25,550
و اگر شما نمی خواهید
500
00:25:25,550 –> 00:25:27,380
هر بار که میخواهید
501
00:25:27,380 –> 00:25:30,050
پردازشی انجام دهید، مجموعه داده جدیدی ایجاد کنید، این بهترین راه برای انجام این کار است،
502
00:25:30,050 –> 00:25:32,660
زیرا کاری که انجام میدهید میتوانید
503
00:25:32,660 –> 00:25:36,110
یک تابع پیچیده یا شهرهای
504
00:25:36,110 –> 00:25:39,170
تابع را با هم اعمال کنید و سپس
505
00:25:39,170 –> 00:25:41,810
به لایه شطرنجی یا شطرنجی خود اعمال کنید و
506
00:25:41,810 –> 00:25:44,390
بلافاصله خروجی دریافت کنید. مثالی که قبلاً استفاده میکردم
507
00:25:44,390 –> 00:25:47,000
که شما دما را در
508
00:25:47,000 –> 00:25:48,980
کلوین دارید، میخواهید آن جهنمی را نشان
509
00:25:48,980 –> 00:25:51,680
دهید، فقط با استفاده از این تغییر، محاسبات را در پرواز انجام میدهید
510
00:25:51,680 –> 00:25:53,180
و این به طور خودکار اتفاق میافتد،
511
00:25:53,180 –> 00:25:55,390
مثال دیگری
512
00:25:55,390 –> 00:25:58,850
ایجاد سرمای باد یا چیزی شبیه
513
00:25:58,850 –> 00:26:00,740
به آن است که احتمالاً به دما نیاز دارید
514
00:26:00,740 –> 00:26:03,440
و سرعت، بنابراین شما
515
00:26:03,440 –> 00:26:05,330
متغیرهای مختلف را با هم ترکیب
516
00:26:05,330 –> 00:26:07,930
می کنید، محصول جدیدی ایجاد می کنید
517
00:26:07,930 –> 00:26:11,440
محصولی که مردم از
518
00:26:11,440 –> 00:26:14,210
پایتون برای گسترش قابلیت
519
00:26:14,210 –> 00:26:16,070
ابزار ما استفاده کرده اند، شما نه تنها
520
00:26:16,070 –> 00:26:18,560
با ابزار موجود مدل ایجاد می کنید، بلکه می توانید
521
00:26:18,560 –> 00:26:21,020
ابزار سفارشی خود را بنویسید. نمونه ای از
522
00:26:21,020 –> 00:26:23,330
انجام آن، ما آن را انجام داده ایم تا نشان
523
00:26:23,330 –> 00:26:25,340
دهیم چگونه می توان آن را انجام داد و می توانید دانلود کنید
524
00:26:25,340 –> 00:26:27,680
و می توانید از آن برای نوشتن
525
00:26:27,680 –> 00:26:33,110
عملکرد بیشتر استفاده کنید مثالی از
526
00:26:33,110 –> 00:26:37,100
ابزار اسکریپت که در آن میتوانید یک الگوریتم پیشرفته بسیار خاص بنویسید
527
00:26:37,100 –> 00:26:40,250
یا از الگوریتم شخص
528
00:26:40,250 –> 00:26:42,410
دیگری استفاده کنید و میتوانید تشخیص لبه را انجام دهید،
529
00:26:42,410 –> 00:26:44,720
برخی از تابعهایی را
530
00:26:44,720 –> 00:26:46,700
که من در اینجا نوشتهام در کنار معاملهگرمان نوشتهام،
531
00:26:46,700 –> 00:26:49,160
زیرا این یک داده
532
00:26:49,160 –> 00:26:51,950
خاص است که میدانید چگونه برای اینکه رفتار کنید چگونه
533
00:26:51,950 –> 00:26:53,840
از آن داده ها استفاده کنید تا بتوانید ابزار سفارشی خود را بنویسید،
534
00:26:53,840 –> 00:26:55,460
ما آن
535
00:26:55,460 –> 00:26:57,500
ابزار سفارشی خاص برنامه را قبلاً
536
00:26:57,500 –> 00:26:59,240
انجام داده ایم و شما می توانید به آن
537
00:26:59,240 –> 00:27:01,370
نگاهی بیندازید و می توانید از این طریق به درستی استفاده کنید که
538
00:27:01,370 –> 00:27:05,360
افراد دیگر بسیاری را ایجاد کرده اند.
539
00:27:05,360 –> 00:27:07,430
صدها ابزار نمونه دیگری از
540
00:27:07,430 –> 00:27:11,270
آن M gate برای تنظیم صدها ابزار
541
00:27:11,270 –> 00:27:13,610
برای شما نوشته می شود می توانید داده های علمی هیوم
542
00:27:13,610 –> 00:27:16,880
و انجام کار اتریش شاید و نیروی
543
00:27:16,880 –> 00:27:18,620
دریایی ما استفاده کرده اند شاید تا حدودی انجام داده اند
544
00:27:18,620 –> 00:27:21,020
من یا آن ابزار را دارند اما به
545
00:27:21,020 –> 00:27:23,810
طور مداوم سفارشی می نویسند ابزاری برای حل
546
00:27:23,810 –> 00:27:28,520
این نوع مشکل در
547
00:27:28,520 –> 00:27:31,130
s3 در تیم توسعه، ما همچنین از
548
00:27:31,130 –> 00:27:33,650
netcdf به عنوان داده های میانی خود برای انجام
549
00:27:33,650 –> 00:27:35,630
برخی از شمال کرالا T آنها استفاده می کنیم، در اینجا یک
550
00:27:35,630 –> 00:27:38,180
مثال در مرحله اصلی شما است. با دیدن
551
00:27:38,180 –> 00:27:38,970
این بهترین
552
00:27:38,970 –> 00:27:43,470
مکعب و همه این تجزیه و تحلیل هات اسپات، کاری که
553
00:27:43,470 –> 00:27:45,539
ما در داخل انجام می دهیم، در واقع در
554
00:27:45,539 –> 00:27:49,500
حال حذف این داده های نقطه ای هستیم که
555
00:27:49,500 –> 00:27:51,960
در واقع یک فایل STD را در داخل ایجاد می کنیم و سپس
556
00:27:51,960 –> 00:27:55,080
از آن فایل برای انجام تجزیه و تحلیل نقطه داغ استفاده می
557
00:27:55,080 –> 00:27:56,390
کنیم، بنابراین اینطور نیست که ما فقط در حال
558
00:27:56,390 –> 00:27:58,890
مصرف خارجی هستیم. دادههایی که ما در واقع
559
00:27:58,890 –> 00:28:02,340
از netcdf برای ذخیره
560
00:28:02,340 –> 00:28:08,100
دادههای علمی چند بعدی استفاده
561
00:28:08,100 –> 00:28:10,470
میکنیم، همچنین بسته Python netcdf
562
00:28:10,470 –> 00:28:12,960
برای پایتون را برای شما قرار دادهایم تا بتوانید
563
00:28:12,960 –> 00:28:14,760
ابزار سفارشی خود را بنویسید و
564
00:28:14,760 –> 00:28:16,440
در واقع بتوانید در کنار فایل به راحتی بخوانید و بنویسید.
565
00:28:16,440 –> 00:28:19,169
566
00:28:19,169 –> 00:28:22,919
Syfy و با rust یک تابع توسط
567
00:28:22,919 –> 00:28:25,169
تابع فهرست قرار داده اند که در واقع می توانید
568
00:28:25,169 –> 00:28:27,690
569
00:28:27,690 –> 00:28:30,030
تابع سفارشی خود را مشخص کرده و ایجاد کنید و همه این موارد را
570
00:28:30,030 –> 00:28:34,140
کنار هم قرار دهید، یک راه بسیار قدرتمند برای
571
00:28:34,140 –> 00:28:36,570
گسترش قابلیت تحلیل و
572
00:28:36,570 –> 00:28:39,870
تجزیه و تحلیل داده های علمی با آن دارید
573
00:28:39,870 –> 00:28:42,150
.
574
00:2