1 官網(wǎng)的介紹

Sacpy是一個有效的氣候和氣象數(shù)據(jù)統(tǒng)計分析工具(如回歸，EOF, MCA)，旨在為氣候數(shù)據(jù)分析提供一個通用框架。

提供的數(shù)據(jù)處理工具包括線性回歸（一元/多元）、經(jīng)驗正交分解（EOF）、最大協(xié)方差分析（MCA/SVD）、便利的統(tǒng)計分析（如求年平均、統(tǒng)計檢驗等）和便利的繪圖等。

1.1 安裝方法

pip install sacpy

1.2 Sacpy的特點

速度快；兼容Numpy/Xarray等庫；代碼簡潔。

綜上，當(dāng)前Sacpy庫提供的功能相對較少，只適合基礎(chǔ)的氣候數(shù)據(jù)處理，目前地位也遠(yuǎn)不如Numpy、Xarray、Scipy、Metpy等數(shù)據(jù)處理中主流的庫，但可以測試一下EOF和MCA工具的性能。

以往EOF分析和MCA分析通常分別用eofs庫和xMCA庫實現(xiàn)，下面對比一下夏季海溫做EOF分析并繪圖的兩種方法，主要考慮代碼量、圖片美觀等。

2 使用的數(shù)據(jù)

海溫：HadISST1.1，時間選取1901-2015年。

3 傳統(tǒng)方法：eofs庫做EOF；Matplotlib和Cartopy庫繪圖

3.1 主要程序

3.2 輸出結(jié)果

<xarray.DataArray 'variance_fractions' (mode: 2)>

array([0.49036235, 0.16722111], dtype=float32)

Coordinates:

? * mode? ? ?(mode) int32 0 1

Attributes:

? ? long_name:? variance_fractions

4 Sacpy方法：畫圖中盡可能只使用Sacpy提供的函數(shù)

4.1 主要程序

4.2 輸出結(jié)果
[0.48376837 0.17081447]

5 總結(jié)

EOF分析部分，eofs庫和Sacpy庫代碼量差別不大，計算結(jié)果也相似。eofs.xarray輸入和輸出的數(shù)據(jù)格式都為dataarray，方便后續(xù)的操作；Sacpy無論吃進去什么格式都吐出ndarray，如果有后續(xù)處理可能要轉(zhuǎn)化一下，比較麻煩。

繪圖部分，Matplotlib + Cartopy組合的代碼量較大，但邏輯性很強，可讀性高，一些常用部分可以用自定義函數(shù)封裝（如繪制底圖的部分），方便重復(fù)使用；Sacpy顯得較粗糙，圖片擁擠，經(jīng)緯度比例不對，字符相互重疊等等。對比兩張圖片，第一幅較美觀，即便在SCI一二區(qū)也是不錯的圖，第二幅圖恐怕連普刊都看不上吧，如果要拿第二幅圖投普刊，還要用Matplotlib + Cartopy修飾一下，與其這樣為什么不全程使用捏？

綜上，實在是想不出有什么理由去用Sacpy。

6 相關(guān)鏈接

Sacpy庫官網(wǎng)? https://zilum.github.io/sacpy/index.html

eofs庫官網(wǎng)? https://ajdawson.github.io/eofs/latest/#

xMCA庫官網(wǎng)? https://github.com/Yefee/xMCA

氣象數(shù)據(jù)處理：T-N三維波活動通量的Python實現(xiàn)? https://www.bilibili.com/read/cv15633261

Python氣象數(shù)據(jù)處理中的數(shù)值微分和積分法——其一? https://www.bilibili.com/read/cv21395997

Python氣象數(shù)據(jù)處理中的數(shù)值微分和積分法——其二? https://www.bilibili.com/read/cv23576975