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

A dataset plugin for climetlab for the dataset mltc-surface-observation-postprocessing

ویژگی	مقدار
سیستم عامل	-
نام فایل	climetlab-mltc-surface-observation-postprocessing-0.3.0
نام	climetlab-mltc-surface-observation-postprocessing
نسخه کتابخانه	0.3.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Matthew Chantry
ایمیل نویسنده	matthew.chantry@ecmwf.int
آدرس صفحه اصلی	http://github.com/mchantry/climetlab-mltc-surface-observation-postprocessing
آدرس اینترنتی	https://pypi.org/project/climetlab-mltc-surface-observation-postprocessing/
مجوز	Apache License Version 2.0

## climetlab-mltc-surface-observation-postprocessing A dataset plugin for climetlab for the dataset mltc-surface-observation-postprocessing-main. Features -------- In this README is a description of how to get the dataset provided by the python package climetlab_mltc_surface_observation_postprocessing. ## Datasets description The dataset is designed for learning forecast errors of 2m-temperature from a weather forecasting model, using station observations as the truth. Currently there are 3 variables in the dataset. For each variable the dataset contains over 5 million datapoints covering a range of different locations (not specified). ### 1 : `field = forecast_error` The predictand for the problem, the difference between the forecasted value of 2m-temperature and the observed value, units degrees C (or equally Kelvin). ### 2 : `field = time_of_day` Local time of day, in decimal hours. Useful for diagnosing the diurnal cycle model bias. ### 3: `field = soil_temperature` Model soil temperature, units degrees C. ## Using climetlab to access the data See the [demo notebooks](https://github.com/mchantry/climetlab-mltc-surface-observation-postprocessing/tree/main/notebooks) [![Binder](https://mybinder.org/badge_logo.svg)](https://mybinder.org/v2/gh/mchantry/climetlab-mltc-surface-observation-postprocessing/main?urlpath=lab) - [demo_main.ipynb](https://github.com/mchantry/climetlab-mltc-surface-observation-postprocessing/tree/main/notebooks/demo_main.ipynb) [![nbviewer](https://raw.githubusercontent.com/jupyter/design/master/logos/Badges/nbviewer_badge.svg)](https://nbviewer.jupyter.org/github/mchantry/climetlab-mltc-surface-observation-postprocessing/blob/main/notebooks/demo_main.ipynb) [![Open in colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/mchantry/climetlab-mltc-surface-observation-postprocessing/blob/main/notebooks/demo_main.ipynb) [![Binder](https://mybinder.org/badge_logo.svg)](https://mybinder.org/v2/gh/mchantry/climetlab-mltc-surface-observation-postprocessing/main?filepath=notebooks/demo_main.ipynb) [<img src="https://deepnote.com/buttons/launch-in-deepnote-small.svg">](https://deepnote.com/launch?name=MyProject&url=https://github.com/mchantry/climetlab-mltc-surface-observation-postprocessing/tree/main/notebooks/demo_main.ipynb) - TODO. The climetlab python package allows easy access to the data with a few lines of code such as: ``` python !pip install climetlab climetlab-mltc-surface-observation-postprocessing import climetlab as cml ds = cml.load_dataset("mltc-surface-observation-postprocessing", field="forecast_error") ds.to_pandas() ``` Support and contributing ------------------------ Either open a issue on github if this is a github repository, or send an email to email@example.com. LICENSE ------- See the LICENSE file. (C) Copyright 2022 European Centre for Medium-Range Weather Forecasts. This software is licensed under the terms of the Apache Licence Version 2.0 which can be obtained at http://www.apache.org/licenses/LICENSE-2.0. In applying this licence, ECMWF does not waive the privileges and immunities granted to it by virtue of its status as an intergovernmental organisation nor does it submit to any jurisdiction. Authors ------- Matthew Chantry, Fenwick Cooper, Zied Ben Bouallegue, Peter Dueben See also the CONTRIBUTORS.md file.

نیازمندی

مقدار	نام
>=0.11.6	climetlab

نحوه نصب

نصب پکیج whl climetlab-mltc-surface-observation-postprocessing-0.3.0:

pip install climetlab-mltc-surface-observation-postprocessing-0.3.0.whl

نصب پکیج tar.gz climetlab-mltc-surface-observation-postprocessing-0.3.0:

pip install climetlab-mltc-surface-observation-postprocessing-0.3.0.tar.gz