作者简介
杨效业，南京信息工程大学气象学博士在读，气象专业微信公众号“气海无涯”联合创始人，利用Python语言进行气象数据处理及可视化，并发表专业论文二十余篇，在气象家园、简书、哔哩哔哩等平台发布的Python气象编程系列教程受到广泛好评。 杨青霖，2019年毕业于南京信息工程大学大气科学专业。2016年起将Python作为主要工具来进行气象数据处理及可视化，致力于代码工程化。曾任某知名气象公司任Python工程师，现就职于百度网络科技公司。 张诗悦，南京信息工程大学气象学博士在读，主要研究方向为气候变化对大气污染的影响，以Python为主要语言进行数据处理及可视化，并发表多篇SCI论文。
目录
第 1章 认识Python 1
1．1 Python简介 1
1．1．1 Python与气象 2
1．1．2 Python与NCL 2
1．1．3 为什么使用Miniconda 2
1．2 开始使用 3
1．2．1 Miniconda安装 3
1．2．2 设置conda与pip镜像源 9
1．2．3 conda环境 10
1．3 Linux与Bash 12
1．3．1 Linux发行版 12
1．3．2 目录结构 12
1．3．3 用户与用户组 13
1．3．4 目录权限管理 14
1．3．5 远程登录 15
1．3．6 输入输出重定向 15
1．3．7 常用命令 16
1．4 Python包管理 20
1．4．1 conda 20
1．4．2 pip 21
1．5 编辑体验 21
1．5．1 交互式笔记本——Jupyter 21
1．5．2 工程型开发环境工具 30
第 2章 Python语言基础 33
2．1 变量 33
2．2 原生数据类型 36
2．2．1 数值 36
2．2．2 空值 38
2．2．3 字符串 38
2．2．4 列表和元组 41
2．2．5 集合 47
2．2．6 字典 49
2．3 判断 53
2．3．1 比较操作 54
2．3．2 如果条件的值不是布尔值 54
2．3．3 多重条件 55
2．4 循环和迭代 55
2．4．1 循环 56
2．4．2 迭代 57
2．5 序列切片 60
2．6 解析式 61
2．6．1 列表解析式 61
2．6．2 字典解析式 63
2．6．3 集合解析式 63
2．6．4 生成器解析式 63
2．7 函数 64
2．7．1 定义函数 64
2．7．2 函数的参数 66
2．7．3 匿名函数 69
2．7．4 闭包与装饰器 70
2．7．5 高阶函数 73
2．8 面向对象基础 74
2．8．1 什么是对象 74
2．8．2 类和继承 75
第3章 NumPy：Python数值计算之源 80
3．1 安装 80
3．2 多维数组和列表 81
3．3 多维数组的特征 81
3．3．1 数据类型 81
3．3．2 轴与维度 82
3．4 创建多维数组 83
3．4．1 np．array()——直接创建 83
3．4．2 np．zeros()——根据shape参数创建数组 84
3．4．3 np．arange()——根据起点、终点和步长创建 84
3．4．4 np．linspace()——根据起点、终点和元素数量创建 85
3．4．5 np．random．randn()——生成符合标准正态分布的随机多维数组 85
3．5 数组间运算和广播运算 85
3．6 多维数组的索引和切片 88
3．6．1 普通索引和切片 88
3．6．2 高级索引 89
3．7 多维数组对象的方法 90
3．7．1 reshape()——改变数组形状 90
3．7．2 transpose()——交换轴 92
3．7．3 mean()——计算平均值 92
3．7．4 sum()——计算元素和 93
3．7．5 std()——计算标准差 94
3．7．6 min()——取最小值/max()——取最大值 94
3．7．7 round()——进行四舍五入 95
3．7．8 dot()——执行向量/矩阵乘法 95
3．7．9 astype()——转换数值类型 96
3．8 NumPy的常用函数 97
3．8．1 数学计算函数 97
3．8．2 三角函数 97
3．8．3 浮点函数 98
3．8．4 非通用函数 98
3．9 NumPy中的常量 99
3．10 文件读写 99
3．10．1 文本格式文件的读取 99
3．10．2 文本格式文件的写入 101
3．10．3 顺序二进制文件的读写 102
第4章 pandas：优秀的数据分析工具 104
4．1 安装 104
4．2 pd．Series——序列 104
4．2．1 创建序列 105
4．2．2 时间索引 106
4．2．3 pd．Series对象的算术运算 107
4．2．4 pd．Series对象的常用属性 108
4．2．5 pd．Series对象的常用方法 111
4．3 pd．DataFrame——数据框 123
4．3．1 创建数据框 123
4．3．2 pd．DataFrame的时间索引 125
4．3．3 读取CSV文件 125
4．3．4 pd．DataFrame的算术运算 128
4．3．5 提取满足条件的行 130
4．3．6 pd．DataFrame的常用属性 132
4．3．7 pd．DataFrame的常用方法 137
4．4 pandas的常用函数 156
4．4．1 to_numeric()——将序列转换为数值类型 156
4．4．2 to_datetime()——将序列转换为时间戳类型 157
4．4．3 to_timedelta()——将序列转换为时间差类型 158
4．4．4 date_range()——生成时间序列 159
4．4．5 merge()——按值连接两个pd．DataFrame 160
4．4．6 concat()——合并多个pd．DataFrame 162
第5章 栅格数据处理 163
5．1 xarray与气象栅格数据处理 163
5．1．1 xarray的安装 163
5．1．2 xarray基础知识 163
5．1．3 数据数组 164
5．1．4 数据集 169
5．1．5 数据数组与数据集的处理 173
5．2 MetPy入门 188
5．2．1 MetPy的安装 188
5．2．2 MetPy的单位制 188
5．2．3 MetPy的常用常数 190
第6章 常用气象数据读取和预处理 192
6．1 文本文件 192
6．1．1 什么是文件字符编码 192
6．1．2 CSV文件 194
6．1．3 空格（制表符）作为分隔符的文件 196
6．2 Excel文件 199
6．3 NetCDF文件 200
6．4 GRIB文件 201
以下为对购买帮助不大的评价