در این مطلب، ویدئو NetCDF با پایتون (netCDF4) – متادیتا، ابعاد و متغیرها 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.
مدت زمان فیلم: 00:11:05
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:01,920 –> 00:00:04,400
سلام بچه ها به سری netcdf با پایتون خوش آمدید،
2
00:00:04,400 –> 00:00:05,920
3
00:00:05,920 –> 00:00:07,919
بنابراین در ویدیوی اول اگر ندیدید
4
00:00:07,919 –> 00:00:08,960
5
00:00:08,960 –> 00:00:11,280
که در این آموزش نحوه باز کردن یک مجموعه داده و
6
00:00:11,280 –> 00:00:14,160
نحوه دریافت اطلاعات برای یک متغیر را توضیح
7
00:00:14,160 –> 00:00:16,079
دادیم، ما
8
00:00:16,079 –> 00:00:18,240
به نوع خود باز خواهیم گشت. در مورد مبانی netcdf
9
00:00:18,240 –> 00:00:20,880
و صحبت در مورد ابعاد و در مورد
10
00:00:20,880 –> 00:00:22,720
متغیرها و ابرداده ها
11
00:00:22,720 –> 00:00:24,960
و نحوه دسترسی به آن اطلاعات
12
00:00:24,960 –> 00:00:26,240
در آموزش اول کمی از این موضوع را توضیح
13
00:00:26,240 –> 00:00:26,960
14
00:00:26,960 –> 00:00:29,039
دادیم، اما من آن را عمیقاً بررسی نکردم،
15
00:00:29,039 –> 00:00:30,000
16
00:00:30,000 –> 00:00:31,359
بنابراین قصد داریم به آن بپردازیم. در
17
00:00:31,359 –> 00:00:33,680
اینجا عمیق است، بنابراین دقیقاً در اینجا من کد
18
00:00:33,680 –> 00:00:36,320
را از ویدیوی اول بیرون آوردهام و
19
00:00:36,320 –> 00:00:38,239
فقط میخواهم از شر بسیاری از آن
20
00:00:38,239 –> 00:00:39,360
خلاص شوم، بنابراین میخواهیم از
21
00:00:39,360 –> 00:00:42,000
متغیر بارشی که به
22
00:00:42,000 –> 00:00:45,520
آنجا رسیدیم خلاص شویم. در اینجا از شر numpy خلاص می
23
00:00:45,520 –> 00:00:47,039
شویم، نام فایل
24
00:00:47,039 –> 00:00:48,879
را حفظ می کنیم، مجموعه داده را باز می کنیم،
25
00:00:48,879 –> 00:00:50,559
بنابراین به این صورت یک داده و آن
26
00:00:50,559 –> 00:00:51,920
مجموعه داده سی دی اف را باز می کنیم،
27
00:00:51,920 –> 00:00:54,320
من این یکی را اینجا دارم امروز ملاقات کرد.
28
00:00:54,320 –> 00:00:56,320
داده هایی که به داده های مورد نیاز
29
00:00:56,320 –> 00:00:57,840
این فایل خاص نشان دهنده
30
00:00:57,840 –> 00:00:59,559
بارش در
31
00:00:59,559 –> 00:01:02,960
سال 1980 است
32
00:01:02,960 –> 00:01:04,479
33
00:01:04,479 –> 00:01:06,799
اولین کاری که میخواهم
34
00:01:06,799 –> 00:01:07,200
انجام دهم این
35
00:01:07,200 –> 00:01:08,960
است که میخواهم به شما نشان دهم چگونه میتوانید
36
00:01:08,960 –> 00:01:11,280
اطلاعاتی درباره یک مجموعه داده به دست آورید
37
00:01:11,280 –> 00:01:12,640
و ما قبلاً این کار را انجام دادهایم، اما اگر من
38
00:01:12,640 –> 00:01:15,280
فقط print ds را تایپ کنم، میخواهم بزرگنمایی کنم. که مجموعه دادههای cdf خالص من
39
00:01:15,280 –> 00:01:16,320
در اینجا
40
00:01:16,320 –> 00:01:17,600
است، اطلاعاتی
41
00:01:17,600 –> 00:01:18,799
به من میدهد، بنابراین من میروم،
42
00:01:18,799 –> 00:01:20,479
این را اجرا
43
00:01:20,479 –> 00:01:23,040
میکنم و خواهید دید
44
00:01:24,479 –> 00:01:26,640
که در اینجا همه این اطلاعات را به من میدهد،
45
00:01:26,640 –> 00:01:27,840
46
00:01:27,840 –> 00:01:31,040
من سال شروع را دارم.
47
00:01:31,040 –> 00:01:33,600
نسخه نرم افزار منبع، نسخه داده،
48
00:01:33,600 –> 00:01:34,400
49
00:01:34,400 –> 00:01:37,759
منابع استناد به قراردادها و ابعاد
50
00:01:37,759 –> 00:01:40,079
برای متغیرهای مختلف من، بنابراین می توانید
51
00:01:40,079 –> 00:01:42,320
ببینید که من متغیرهایی در اینجا از زمان
52
00:01:42,320 –> 00:01:44,159
این متغیر حسادت دارم که به نظر می رسد
53
00:01:44,159 –> 00:01:46,000
تعداد مقادیر
54
00:01:46,000 –> 00:01:49,040
y که عرض های جغرافیایی من
55
00:01:49,040 –> 00:01:50,320
و x است. طول جغرافیایی من خواهد بود
56
00:01:50,320 –> 00:01:52,240
و سپس ابعاد هر متغیر را به شما می دهد،
57
00:01:52,240 –> 00:01:54,320
58
00:01:54,320 –> 00:01:57,759
بنابراین زمان یک شناور 32 است، اندازه
59
00:01:57,759 –> 00:01:58,479
زمان
60
00:01:58,479 –> 00:02:02,320
که یک و nv است که دو
61
00:02:02,320 –> 00:02:05,759
مشکلی ندارد و سپس اگر به اینجا نگاه کنیم،
62
00:02:05,759 –> 00:02:07,360
یک طرح ریزی مرتبط با آنها دارم.
63
00:02:07,360 –> 00:02:08,878
آنها این شناور 32 را دارند که
64
00:02:08,878 –> 00:02:09,840
latitu است
65
00:02:09,840 –> 00:02:13,200
ابعاد آن y x است و
66
00:02:13,200 –> 00:02:14,800
تعداد ردیفها برای
67
00:02:14,800 –> 00:02:17,760
عرض جغرافیایی تعداد ستونها برای طول جغرافیایی
68
00:02:17,760 –> 00:02:18,640
شناور 32
69
00:02:18,640 –> 00:02:22,319
طول جغرافیایی y x اما 32
70
00:02:22,319 –> 00:02:25,360
جریان بارش 32 زمان خوب
71
00:02:25,360 –> 00:02:28,560
است و بنابراین میتوانید ببینید که x و
72
00:02:28,560 –> 00:02:30,720
y داریم بنابراین میتوانید تمام متغیرهایی را
73
00:02:30,720 –> 00:02:33,280
که ما میبینیم. خوب است، پس بیایید بگوییم
74
00:02:33,280 –> 00:02:34,560
میخواهم بروم و با جزئیات بیشتری به این ابعاد نگاهی بیندازیم،
75
00:02:34,560 –> 00:02:36,720
76
00:02:36,720 –> 00:02:39,040
بیایید جلوتر برویم و این کار را بعداً انجام دهیم، من فقط
77
00:02:39,040 –> 00:02:40,800
میخواهم در مورد
78
00:02:40,800 –> 00:02:44,160
ds چاپ نظر بدهم و کار بعدی که
79
00:02:44,160 –> 00:02:48,959
انجام میدهیم این است که به ابعاد کاملاً خوب نگاه کنید،
80
00:02:48,959 –> 00:02:50,319
پس بیایید ابتدا به ابعاد نگاهی بیندازیم،
81
00:02:50,319 –> 00:02:52,160
میتوانیم این کار را انجام دهیم،
82
00:02:52,160 –> 00:02:54,519
اگر
83
00:02:54,519 –> 00:02:56,400
ds.dimensions um
84
00:02:56,400 –> 00:02:58,239
را چاپ کنیم، میتوانیم ابعاد را چاپ کنیم، بنابراین اجازه دهید
85
00:02:58,239 –> 00:02:59,760
run را بزنیم و به
86
00:02:59,760 –> 00:03:02,720
ابعاد اینجا نگاهی
87
00:03:03,360 –> 00:03:06,000
بیندازیم. بنابراین می توانید ببینید که ما این
88
00:03:06,000 –> 00:03:07,920
فرهنگ لغت سفارش داده شده را
89
00:03:07,920 –> 00:03:11,599
داریم، ما یک بعد زمانی
90
00:03:11,599 –> 00:03:13,200
داریم و کلاسی را به ما می دهد که یک
91
00:03:13,200 –> 00:03:15,760
cdf خالص برای بعد است،
92
00:03:15,760 –> 00:03:18,000
این فقط نوع است و این می گوید که
93
00:03:18,000 –> 00:03:19,120
نامحدود
94
00:03:19,120 –> 00:03:21,760
نامحدود است فقط به این معنی است که می توانید به آن اضافه کنید،
95
00:03:21,760 –> 00:03:23,200
بنابراین اگر میخواهم چنین چیزی را برای
96
00:03:23,200 –> 00:03:25,680
سال 1980 داشته باشم من میخواستم
97
00:03:25,680 –> 00:03:29,360
دادههایی را برای سال 1981 اضافه کنم، میتوانم آن را به این
98
00:03:29,360 –> 00:03:31,280
بعد زمانی اضافه کنم و سپس اندازه
99
00:03:31,280 –> 00:03:35,440
من دو برابر میشود و در آموزش آینده نحوه اضافه کردن دادهها را توضیح
100
00:03:35,440 –> 00:03:37,840
خواهیم داد و سپس
101
00:03:37,840 –> 00:03:39,440
بعد nv بعد y
102
00:03:39,440 –> 00:03:41,440
و x خود را داریم. بعد و
103
00:03:41,440 –> 00:03:42,720
اینجا می بینید که
104
00:03:42,720 –> 00:03:45,599
این نام را به ما می دهد، اینجا یک نام دارد
105
00:03:45,599 –> 00:03:46,560
، نام
106
00:03:46,560 –> 00:03:49,120
و اندازه را به ما می دهد، بنابراین ما یک سایز دو
107
00:03:49,120 –> 00:03:50,560
داریم، یک اندازه یک
108
00:03:50,560 –> 00:03:53,680
هشت هزار و هفت هزار داریم،
109
00:03:53,680 –> 00:03:56,000
خوب حالا می توانیم این را کمی
110
00:03:56,000 –> 00:03:58,239
زیباتر چاپ کنیم. میخواهیم، میتوانیم اب
111
00:03:58,239 –> 00:04:00,480
اد را حلقه بزنیم، بنابراین اگر در
112
00:04:00,480 –> 00:04:02,000
113
00:04:02,000 –> 00:04:07,120
s.dimensions.values به سراغ dimension dim برویم، میتو
114
00:04:07,120 –> 00:04:10,319
نیم بعد را چاپ کنیم و من این را
115
00:04:10,319 –> 00:04:10,879
116
00:04:10,879 –> 00:04:14,799
در اینجا نظر میدهم، اجازه دهید ادامه دهیم و روی run
117
00:04:14,799 –> 00:04:15,120
kay ک
118
00:04:15,120 –> 00:04:18,720
یک کنید و میتوانید آن را چاپ کنید.
119
00:04:18,720 –> 00:04:20,238
همان چیزی است،
120
00:04:20,238 –> 00:04:21,759
اما آن را به عنوان یک
121
00:04:21,759 –> 00:04:23,759
فرهنگ لغت چاپ نکرد، بلکه فقط
122
00:04:23,759 –> 00:04:25,360
تک تک
123
00:04:25,360 –> 00:04:28,800
عناصر فرهنگ لغت را در اینجا چاپ کرد، بسیار خوب، بنابراین ما میتوانیم
124
00:04:28,800 –> 00:04:30,160
به آن ابعاد
125
00:04:30,160 –> 00:04:34,240
به همان روش دسترسی داشته باشیم
126
00:04:34,240 –> 00:04:37,120
، اکنون میخواهم این خطوط را نظر بدهم
127
00:04:37,120 –> 00:04:39,440
و بیایید بگیریم. نگاهی
128
00:04:39,440 –> 00:04:42,320
به متغیرهای مرتبط با این
129
00:04:42,320 –> 00:04:43,840
مجموعه دادههای سیدیاف خالص
130
00:04:43,840 –> 00:04:45,520
و واقعاً جالب است، این
131
00:04:45,520 –> 00:04:46,720
متغیرها چیزهایی هستند
132
00:04:46,720 –> 00:04:48,000
که میخواهیم به آنها برسیم، چیزهایی
133
00:04:48,000 –> 00:04:50,800
هستند که میخواهیم بنویسیم،
134
00:04:50,800 –> 00:04:53,280
بنابراین اکنون نگاهی به آنها خواهیم انداخت و
135
00:04:53,280 –> 00:04:56,000
دقیقاً مانند ابعاد متغیرها
136
00:04:56,000 –> 00:04:58,639
در فرهنگ لغت ذخیره میشوند، بنابراین من میتوانم به
137
00:04:58,639 –> 00:04:59,280
دنبال
138
00:04:59,280 –> 00:05:02,440
var در
139
00:05:02,440 –> 00:05:05,440
ابعاد ds dot باشم، اوه خوب، بیایید شروع کنیم متأسفیم
140
00:05:05,440 –> 00:05:06,800
بیایید شروع
141
00:05:06,800 –> 00:05:11,120
کنیم و بیایید متغیرهای ds dot
142
00:05:11,120 –> 00:05:13,199
را چاپ کنیم، خوب، ما این را چاپ میکنیم و ببینیم چه
143
00:05:13,199 –> 00:05:14,479
چیزی به ما
144
00:05:14,479 –> 00:05:17,120
میدهد. چاپ کنید که من
145
00:05:17,120 –> 00:05:18,880
اینجا را بزرگنمایی م