本篇內容介紹了“怎么用Python實現降雨量統計分析”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

創新互聯服務項目包括武陵網站建設、武陵網站制作、武陵網頁制作以及武陵網絡營銷策劃等。多年來，我們專注于互聯網行業，利用自身積累的技術優勢、行業經驗、深度合作伙伴關系等，向廣大中小型企業、政府機構等提供互聯網行業的解決方案，武陵網站推廣取得了明顯的社會效益與經濟效益。目前，我們服務的客戶以成都為中心已經輻射到武陵省份的部分城市，未來相信會繼續擴大服務區域并繼續獲得客戶的支持與信任！

先看看需求吧：

主要就是要根據左側的表格自動生成右側的Word統計報告，實際的各種可能性情況遠比圖中展示的要更加復雜。

好了，直接開始干代碼吧!

1數據讀取

import pandas as pd

df = pd.read_csv("11月份數據.csv", encoding='gbk')
# 當前統計月份
month = 11
df = df.query('月份==@month')
df.head(10)

2異常數據過濾

查看缺失值數量：

pd.isnull(df).sum()

結果：

區域          0
月份          0
降雨量(mm)     0
降雨距平(mm)    1
觀測站         0
dtype: int64

僅一個缺失值數據，可直接刪除：

df.dropna(inplace=True)

3計算觀測站降雨量相對往年的變化

計算降雨量比往年高，跟往年比無變化，以及比往年低的次數分別是多少：

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

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

于是分情況討論生成第一段的報告：

p1 = f"{month}月份"
if rainfall_low == 0 or rainfall_high == 0:
    if rainfall_equal != 0:
        p1 += f"除{rainfall_equal}個觀測站降雨量較往年無變化外，"
    if rainfall_high == 0:
        p1 += f"各氣象觀測站降雨量較往年均偏低。"
    elif rainfall_low == 0:
        p1 += f"各氣象觀測站降雨量較往年均偏高。"
else:
    #  10%以內差異認為是持平
    if rainfall_high > rainfall_low*1.1:
        p1 += f"大部分氣象觀測站降雨量較往年偏高。"
    elif rainfall_low > rainfall_high*1.1:
        p1 += f"大部分氣象觀測站降雨量較往年偏低。"
    else:
        p1 += f"各氣象觀測站降雨量較往年整體持平。"
p1

結果：

'11月份大部分氣象觀測站降雨量較往年偏低。'

4計算各區域降雨量的極值

再生成第二段的報告：

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

結果：

'各區域降雨量在0.0～16.0mm之間，其中51a45區域的降雨量最大，為16.0mm。'

5分觀測站統計

讓我腦袋疼的地方就是從這里的代碼開始的，后面還有更復雜的需求就不公布了。

對每個觀測站分別統計哪些區域偏高，哪些區域持平，哪些區域偏低：

p3s = []
for station, tmp in df.groupby('觀測站'):
    t = tmp['降雨量(mm)']
    p3 = f"各區域降雨量在{t.min()}～{t.max()}mm之間，"
    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, '區域']+'區域')
            p3 += "降雨量較往年無變化外，"
        if rainfall_high == 0:
            p3 += f"各區域降雨量均較往年偏低"
        elif rainfall_low == 0:
            p3 += f"各區域降雨量均較往年偏高"
        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, '區域']+'區域')
            p3 += "降雨量較往年無變化，"
        #  10%以內差異認為是持平
        if rainfall_high > rainfall_low*1.1:
            if rainfall_equal == 0:
                p3 += '除'
            p3 += '、'.join(tmp.loc[rainfall_low_mask, '區域']+'區域')
            p3 += "降雨量較往年偏低"
            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"其余各區域降雨量較往年偏高{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, '區域']+'區域')
            p3 += "降雨量較往年偏高"
            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"其余各區域降雨量較往年偏低{t.min()}～{t.max()}mm；"
        else:
            if rainfall_equal != 0:
                p3 = p3[:-1]+'外，'
            p3 += f"各區域降雨量較往年偏高和偏低的數量持平，其中"
            p3 += '、'.join(tmp.loc[rainfall_low_mask, '區域']+'區域')
            p3 += "降雨量較往年偏低"
            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, '區域']+'區域')
            p3 += "降雨量較往年偏高"
            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將組織好的文本寫入到word中

Word模板文件docxtemplate.docx的內容：

一、{
  
  
  { month }}月各氣象觀測站降雨量實況
（一）降水
{
  
  
  { p1 }}
{
  
  
  { p2 }}
{%p for station,p3 in p3s %}
{
  
  
  { station }}:{
  
  
  { p3 }}
{%p endfor %}

即：

Python渲染代碼：

from docxtpl import DocxTemplate

tpl = DocxTemplate("docxtemplate.docx")
context = {
    'month': month,
    'p1': p1,
    'p2': p2,
    'p3s': p3s,
}
tpl.render(context)
tpl.save("11月降雨量報告.docx")

“怎么用Python實現降雨量統計分析”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注創新互聯網站，小編將為大家輸出更多高質量的實用文章！

文章標題：怎么用Python實現降雨量統計分析
網址分享：http://m.newbst.com/article16/jegddg.html

成都網站建設公司_創新互聯，為您提供小程序開發、響應式網站、手機網站建設、面包屑導航、、網站排名

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯