python计算峭度函数 matlab计算峭度

Python中计算三角函数之cos()方法的使用简介

这篇文章主要介绍了Python中计算三角函数之cos()方法的使用简介,是Python入门的基础知识,需要的朋友可以参考下

网站建设哪家好，找创新互联建站！专注于网页设计、网站建设、微信开发、小程序开发、集团企业网站建设等服务项目。为回馈新老客户创新互联还提供了冷水滩免费建站欢迎大家使用！

cos()方法返回x弧度的余弦值。

语法

以下是cos()方法的语法：

cos(x)

注意：此函数是无法直接访问的，所以我们需要导入math模块，然后需要用math的静态对象来调用这个函数。

参数

x

--

这必须是一个数值

返回值

此方法返回-1

到

1之间的数值，它表示角度的余弦值

例子

下面的例子展示cos()方法的使用

?

1

2

3

4

5

6

7

8#!/usr/bin/python

import

math

print

"cos(3)

:

",

math.cos(3)

print

"cos(-3)

:

",

math.cos(-3)

print

"cos(0)

:

",

math.cos(0)

print

"cos(math.pi)

:

",

math.cos(math.pi)

print

"cos(2*math.pi)

:

",

math.cos(2*math.pi)

当我们运行上面的程序，它会产生以下结果：

?

1

2

3

4

5cos(3)

:

-0.9899924966

cos(-3)

:

-0.9899924966

cos(0)

:

1.0

cos(math.pi)

:

-1.0

cos(2*math.pi)

:

1.0

如何用python表示三角函数

在python中，有一个math module，你可以import math，里面有math.sin(), math.cos(), math.asin()和math.acos()四个函数。相信你也知道asin和acos的意思，就是arcsin和arccos。有了这四个函数你就可以求函数值和角度了。但是要注意括号里面填的数值，要用弧度制。

sin15°用Python怎么表示？

Python的三角函数sin()，输入参数必须是弧度，所以要把角度变换为弧度

import math

# .... 输入度数到 degrees 变量....

# 例子里用 30度计算

degrees=30

radians = degrees * math.pi / 180.0

value = round( math.sin(radians), 4)

print(value)

Python气象数据处理与绘图(2)：常用数据计算方法

对于气象绘图来讲，第一步是对数据的处理，通过各类公式，或者统计方法将原始数据处理为目标数据。

按照气象统计课程的内容，我给出了一些常用到的统计方法的对应函数：

在计算气候态，区域平均时均要使用到求均值函数，对应NCL中的dim_average函数，在python中通常使用np.mean()函数

numpy.mean(a, axis, dtype)

假设a为[time,lat,lon]的数据，那么

需要特别注意的是，气象数据中常有缺测，在NCL中，使用求均值函数会自动略过，而在python中，当任意一数与缺测(np.nan)计算的结果均为np.nan，比如求[1,2,3,4，np.nan]的平均值，结果为np.nan

因此，当数据存在缺测数据时，通常使用np.nanmean()函数，用法同上，此时[1,2,3,4，np.nan]的平均值为(1+2+3+4)/4 = 2.5

同样的，求某数组最大最小值时也有np.nanmax(), np.nanmin()函数来补充np.max(), np.min()的不足。

其他很多np的计算函数也可以通过在前边加‘nan’来使用。

另外，

也可以直接将a中缺失值全部填充为0。

np.std(a, axis, dtype)

用法同np.mean()

在NCL中有直接求数据标准化的函数dim_standardize()

其实也就是一行的事，根据需要指定维度即可。

皮尔逊相关系数：

相关可以说是气象科研中最常用的方法之一了，numpy函数中的np.corrcoef(x, y)就可以实现相关计算。但是在这里我推荐scipy.stats中的函数来计算相关系数：

这个函数缺点和有点都很明显，优点是可以直接返回相关系数R及其P值，这避免了我们进一步计算置信度。而缺点则是该函数只支持两个一维数组的计算，也就是说当我们需要计算一个场和一个序列的相关时，我们需要循环来实现。

其中a[time,lat,lon]，b[time]

(NCL中为regcoef()函数)

同样推荐Scipy库中的stats.linregress(x,y)函数：

slop: 回归斜率

intercept：回归截距

r_value： 相关系数

p_value： P值

std_err： 估计标准误差

直接可以输出P值，同样省去了做置信度检验的过程，遗憾的是仍需同相关系数一样循环计算。