主要观点总结
该文章主要介绍了站点数据的筛选与白化方法，包括前期准备、通过行政区划筛选数据、通过geopandas筛选数据、先绘图再白化等方法。同时，文章还涉及数据导入、处理、可视化以及使用Python和Cartopy库进行地图绘制等方面的内容。
关键观点总结
关键观点1: 文章介绍了站点数据筛选与白化的多种方法。
该文章详细讨论了一些常见的站点数据筛选与白化方法，包括前期准备，比如导入所需的库和设置等。
关键观点2: 重点介绍了通过行政区划和geopandas筛选数据的方法。
文章详细说明了如何通过行政区划和经纬度数据筛选数据，以及如何通过geopandas的from_xy命令将数据转化为geopandas.GeoDataFrame格式。
关键观点3: 介绍了绘图与白化的方法。
文章说明了几种绘图与白化的方法，包括先绘图再裁剪白化的方式实现数据按区划绘制，并给出了具体的代码实现。
文章预览
站点数据筛选 站点数据是常规观测中一种常见的气象数据保存样式，一般是基于站点实况的，对于这种数据的筛选与白化方法是多种多样的，这一章节讨论一些常见的站点数据筛选与白化方法。 前期准备 导入一些常见的站点数据处理与可视化方法库包，基本设置等，这里我们选用了一份电子表格样式的站点数据，数据被人为添加随机抖动加密： import pandas as pd import numpy as np import xarray as xr import rioxarray as rioxr import geopandas as gpd import cartopy.crs as ccrs import cartopy.io.shapereader as cis import cartopy.mpl.ticker as cmt import cartopy.mpl.patch as cmp import matplotlib.pyplot as plt import matplotlib.ticker as mticker import matplotlib.colors as mcolors import matplotlib.path as mpath plt.rcParams[ 'font.sans-serif' ]=[ 'FangSong' ] plt.rcParams[ 'axes.unicode
………………………………
