معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Get data from the BoM in Python

ویژگی	مقدار
سیستم عامل	-
نام فایل	bomber-0.0.5
نام	bomber
نسخه کتابخانه	0.0.5
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Jess Robertson
ایمیل نویسنده	jesse.robertson@csiro.au
آدرس صفحه اصلی	https://stash.csiro.au/projects/POH/repos/bomber
آدرس اینترنتی	https://pypi.org/project/bomber/
مجوز	UNKNOWN

# Read data from the Bureau of Meterology (BoM) author: Jess Robertson (@jesserobertson) The BoM, in it's wisdom, have made getting their geospatial data fairly difficult. This package aims to fix that To see this readme as an ipython notebook, check out https://github.com/jesserobertson/bomber/blob/master/examples/request_bom_data.ipynb ## Example usage Check out the measurement/observation datasets that we have available: ```python >>> import bomber >>> print(bomber.measurements.DATASETS) ``` ``` {'ndvi': ['ndviave'], 'rainfall': ['totals'], 'solar': ['solarave'], 'temperature': ['maxave', 'minave'], 'vprp': ['vprp09', 'vprp15']} ``` Then we can get the bit that we want as a geotiff: ```python >>> geotiff = bomber.get_measurements(dataset='rainfall', year=2015, month=1) ``` ``` Downloaded data to rainfall_totals_month_2015010120150131.geotiff ``` and then plot it using rasterio ```python >>> import rasterio, numpy >>> import matplotlib.pyplot as plt >>> with rasterio.drivers(): ... with rasterio.open(geotiff) as src: ... fig = plt.figure(figsize=(11, 11)) ... data = numpy.ma.MaskedArray( ... data=src.read(1), ... mask=src.read_masks(1)) ... ax = fig.gca() ... ax.imshow(data, cmap=plt.get_cmap('coolwarm')) ... ax.set_aspect('equal') ... ax.set_axis_off() ... ax.set_title('Rainfall, January 2015') ``` ![Rainfall png](https://raw.githubusercontent.com/jesserobertson/bomber/master/examples/rainfall.png) You can also get the climatic average datasets as well: ```python >>> print(bomber.climate.DATASETS) ``` ``` {'decadal-rainfall': ['r'], 'decadal-temperature': ['mx', 'mn']} ``` There's also a borked version for the climate regions but I'm too lazy to finish that one. Pull requests welcome!

نحوه نصب

نصب پکیج whl bomber-0.0.5:

pip install bomber-0.0.5.whl

نصب پکیج tar.gz bomber-0.0.5:

pip install bomber-0.0.5.tar.gz