本文目录一览：
- 1、Python气象数据处理与绘图(18)：泰勒图
- 2、0基础学习python怎么入门呢？
- 3、Python气象数据处理与绘图(2)：常用数据计算方法
- 4、如何自学编程python
- 5、Python 进阶都要学什么？
- 6、Python绘图之（1）Turtle库详解
Python气象数据处理与绘图(18)：泰勒图
泰勒图绘制的核心思想是设计一个只有第一象限的极坐标，并将方差，相关系数进行捆绑，通过转化为极坐标系坐标进行绘制。为了实现泰勒图的绘制，我设计了两个函数：
set_tayloraxes(fig, location=111) 和plot_taylor(axes, refsample, sample, args, *kwargs)
set_tayloraxes()函数用于建立一个泰勒图的坐标系，这个自定义函数一般情况下不建议修改，每一个参数都是经过多次调试得到的，很可能牵一发动全身。因此，将绘图部分的独立成为了plot_taylor函数()，这部分函数较为简单，目的就是将需要绘图的数据，转换为极坐标系坐标，通过plot函数将散点打在泰勒图上，这个函数模块较为简单，可以根据自己的输入数据情况进行调整。
下面介绍下函数的具体用法：
输入：
fig： 需要绘图的figure
rect：图的位置，如111为1行1列第一个，122为1行2列第2个
输出：
polar_ax：泰勒坐标系
输入：
axes : setup_axes返回的泰勒坐标系
refsample ：参照样本
sample ：评估样本
args, *kwargs ：plt.plot()函数的相关参数，设置点的颜色，形状等等。
下面给出示例：
0基础学习python怎么入门呢？
链接：
提取码：238d
零基础学python课程。Python是目前最流行的动态脚本语言之一。本课程由浅入深，全面、系统地介绍了使用Python进行开发的各种知识和技巧。 包括Python环境的安装和配置、Python的基本语法、模块和函数、内置数据结构、字符串和文件的处理、正则表达式的使用、异常的捕获和处理、面向对象的语言特性和设计、Python的数据库编程、Tkinter GUI库的使用、HTML应用、XML应用、Django网页开发框架的使用、测试驱动开发模式应用、Python中的进程和线程、Python系统管理、网络编程、Python图像处理、Python语言的扩展和嵌入以及Windows下Python开发等。
课程目录：
python语言的特点
python的发展历史与版本
python的安装
python程序的书写规则
基础数据类型
变量的定义和常用操作
序列的概念
字符串的定义和使用
......
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。
如何自学编程python
首先先了解Python语言的四大发展方向。目前Python的主要方向有web后端开发、大数据分析网络爬虫和人工智能，当然如果再细分的话还有自动化测试、运维等方向。
在学习Python的基础语法时，并不需要太多的基础，基本只要熟练使用电脑日常功能并对Python感兴趣就可以了，但如果想要在人工智能领域方向发展的话，线性代数、概率、统计等高等数学知识基本是必需的，原因在于这些知识能够让你的逻辑更加清晰，在编程过程中有更强的思路。
分享一个千锋Python的学习大纲给你
第一阶段 - Python 数据科学
Python 基础语法
入门及环境安装 、基本语法与数据类型、控制语句、错误及异常、错误处理方法、异常处理方法 、常用内置函数 、函数创建与使用、Python 高级特性、高级函数、Python 模块、PythonIO 操作 、日期与时间 、类与面向对象 、Python 连接数据库
Python 数据清洗
数字化 Python 模块Numpy、数据分析利器Pandas、Pandas 基本操作、Pandas 高级操作
Python 数据可视化
数据可视化基础、MLlib（RDD-Base API）机器学习、MatPlotlib 绘图进阶、高级绘图工具
第二阶段 - 商业数据可视化
Excel 业务分析
Excel 基础技能、Excel 公式函数、图表可视化、人力 财务分析案例、商业数据分析方法、商业数据分析报告
Mysql 数据库
Mysql 基础操作（一）、Mysql 基础操作（二）、Mysql 中级操作、Mysql 高级操作、电商数据处理案例
PowerBI
初级商业智能应用 （PowerQuery）、初级商业智能应用 （PowerPivot）、初级商业智能应用案例、存储过程、PowerBI Desktop 案例、PowerBI Query 案例
统计学基础
微积分、线性代数基础、统计基础
Tableau
Tableau 基本操作、Tableau 绘图、Tableau 数据分析、Tableau 流量分析
SPSS
客户画像、客户价值模型、神经网络、决策树、时间序列
第三阶段 - Python 机器学习
Python 统计分析
数据准备、一元线性回归、多元线性回归、一般 logistic 回归、ogistic 回归与修正
Python 机器学习基础
机器学习入门、KNN 讲义、模型评估方法、模型优化方法、Kmeans、DBSCAN、决策树算法实战
Python 机器学习中级
线性回归、模型优化方法、逻辑回归、朴素贝叶斯、关联规则、协同过滤、推荐系统案例
Python 机器学习高级
集成算法 - 随机森林、集成算法 -AdaBoost、数据处理和特征工程、SVM、神经网络、XGBoost
第四阶段 - 项目实战
电商市场数据挖掘项目实战
项目背景 业务逻辑 、指定分析策略 、方法实现与结果 、营销活动设计及结果评价 、撰写数据分析报告
金融风险信用评估项目实战
项目背景 业务逻辑 、建模准备 、数据清洗 、模型训练 、模型评估 、模型部署与更新
第五阶段 - 数据采集
爬虫类库解析 、数据解析 、动态网页提取 、验证码、IP 池 、多线程爬虫 、反爬应对措施 、scrapy 框架
第六阶段 - 企业课
团队户外拓展训练 、企业合作项目课程 、管理课程 、沟通表达训练 、职业素养课程
以上就是零基础Python学习路线的所有内容，希望对大家的学习有所帮助。
Python 进阶都要学什么？
在学习Python之前 肯定都自己了解过这门语言，也知道Python有很多的学习方向，比如说数据采集方向（爬虫），或者Web开发方向，也可能是最近特别火热的人工智能方向。每个方向所需要的技术都是不尽相同的，所以在我们学习完成Python的基础语法之后，一定要慎重选择自己之后的进阶方向。通用必备基础知识：（这些知识不管是做python哪方面，都是基础性知识，都必须会）。
1.学习python基础语法知识
2.学习网络编程，熟悉线程、进程、等网络编程基本原理
3.学习MySQL，能熟练对数据库数据的增删改查命令，面试也会经常问到（有条件学习下mongodb和redis,尤其是redis，现在很多技术都利用到了redis的优秀特性，比如爬虫的去重、分布式爬虫、数据缓存等等）
4.学习正则表达式，用于数据的提取 re模块。
5、前端入门html\\css\\jquery,用于分析网页页面结构，能读懂前端人员编写的代码含义。
转型爬虫学习的知识：1.requests库：发送网页请求，返回数据。
2.xpath：用于网页元素的提取（当然还有bs4、pyquery等，选择顺手的）。
3.selenium:用于真实浏览器访问网页，根据具体情况使用。
4.scrapy:用于大规模快速网页数据爬取。
5.验证码破解：验证码破解建议大家可以多搞点难破解的，比如滑块验证码、淘宝验证码、12306验证码等等，面试经常问到哦。
6、web后台库和框架：django、flask、tornado，三个框架各有优劣，web框架小编用django和flask居多，django觉得很多东西都已经封装好了，可以直接用，不用自己手动构造，比如django的admin后台和xadmin后台，flask就相对灵活多变，还是那句话，至少掌握两个框架，多多益善。
因为入门编程并不是一件分分钟就能做到的事情，多以你要坚持每天打卡。不要三天打鱼两天晒网。要循序渐进，温故而知新。
Python绘图之（1）Turtle库详解
Turtle库是Python语言中一个很流行的绘制图像的函数库，想象一个小乌龟，在一个横轴为x、纵轴为y的坐标系原点，(0,0)位置开始，它根据一组函数指令的控制，在这个平面坐标系中移动，从而在它爬行的路径上绘制了图形。
画布就是turtle为我们展开用于绘图区域，我们可以设置它的大小和初始位置。
设置画布大小
turtle.screensize(canvwidth=None, canvheight=None, bg=None)，参数分别为画布的宽(单位像素), 高, 背景颜色。
如：turtle.screensize(800,600, "green")
turtle.screensize() #返回默认大小(400, 300)
turtle.setup(width=0.5, height=0.75, startx=None, starty=None)，参数：width, height: 输入宽和高为整数时, 表示像素; 为小数时, 表示占据电脑屏幕的比例，(startx, starty): 这一坐标表示矩形窗口左上角顶点的位置, 如果为空,则窗口位于屏幕中心。
如：turtle.setup(width=0.6,height=0.6)
turtle.setup(width=800,height=800, startx=100, starty=100)
2.1 画笔的状态
在画布上，默认有一个坐标原点为画布中心的坐标轴，坐标原点上有一只面朝x轴正方向小乌龟。这里我们描述小乌龟时使用了两个词语：坐标原点(位置)，面朝x轴正方向(方向)， turtle绘图中，就是使用位置方向描述小乌龟(画笔)的状态。
2.2 画笔的属性
画笔(画笔的属性，颜色、画线的宽度等)
1) turtle.pensize()：设置画笔的宽度；
2) turtle.pencolor()：没有参数传入，返回当前画笔颜色，传入参数设置画笔颜色，可以是字符串如"green", "red",也可以是RGB 3元组。
3) turtle.speed(speed)：设置画笔移动速度，画笔绘制的速度范围[0,10]整数，数字越大越快。
2.3 绘图命令
操纵海龟绘图有着许多的命令，这些命令可以划分为3种：一种为运动命令，一种为画笔控制命令，还有一种是全局控制命令。
(1) 画笔运动命令
(2) 画笔控制命令
(3) 全局控制命令
(4) 其他命令
3. 命令详解
3.1 turtle.circle(radius, extent=None, steps=None)
描述：以给定半径画圆
参数：
radius(半径)：半径为正(负)，表示圆心在画笔的左边(右边)画圆；
extent(弧度) (optional)；
steps (optional) (做半径为radius的圆的内切正多边形，多边形边数为steps)。
举例:
circle(50) # 整圆;
circle(50,steps=3) # 三角形;
circle(120, 180) # 半圆
实例：
1、太阳花
2、五角星
3、时钟程序
