空间数据的处理与网格化
verde的Python项目详细描述
Documentation| Documentation (dev version)| Contact| Fatiando a Terra项目的一部分
关于
Verde是一个处理空间数据（测深、地球物理学）的Python库 测量等）并在规则网格上插值（即gridding）。
verde中的大多数网格化方法使用green函数方法。 根据输入数据估计线性模型，然后用于预测 在规则网格上的数据（或在散点图、剖面图中，作为导数）。 这些模型是弹性变形理论的格林函数。 这种方法与machine learning非常相似，因此我们实现了gridder 类似于scikit-learn的类 回归类。 这个api不是100%兼容的，但是对于那些 SCIKIT学习经验。
使用green函数的优点包括：
- 轻松地将weights应用于数据点。这是线性最小二乘法 问题。
- 使用已建立的机器学习技术执行模型选择， 比如k-fold或者holdout交叉验证。
- 估计的模型可以轻松存储以供以后使用，例如 球谐系数用于重量分析。
主要缺点是内存和处理时间要求很高（这是一个线性的 回归问题）。因此，不建议将大型数据集网格化（>；10000 点），但这将取决于你有多少内存可用。
项目目标
- 为网格化空间数据提供受机器学习启发的界面
- 与scipy堆栈集成：numpy、pandas、scikit learn和xarray
- 包括常见的处理和数据准备任务，如阻塞方法和二维趋势
- 支持网格标量和矢量数据（如风速或GPS速度）
- 支持笛卡尔坐标和地理坐标
Verde的第一个版本专注于实现这些最初的目标和建立 图书馆的外观和感觉。以后的版本将着重于扩展 可用的网格，优化代码，改进算法，以便 也可以支持大于内存的数据集。
联系我们
- 大多数讨论发生在on Github。 随时可以open an issue或评论 任何公开的问题或请求。
- 我们有chat room on Gitter 在那里你可以提出问题并留下评论。
引用Verde
这是科学家制作的研究软件（参见 AUTHORS.md）。引文 帮助我们证明建设和维护这个项目的努力是正确的。如果你 在你的研究中使用了威尔德，请考虑引用我们。
看我们的CITATION.rst file 了解更多。
贡献
行为准则
请注意，此项目发布时 Contributor Code of Conduct。 通过参与这个项目，你同意遵守它的条款。
贡献准则
请阅读我们的 Contributing Guide 看看你能如何提供帮助和反馈。
冒名顶替综合症免责声明
我们需要您的帮助。不，真的。
你脑子里可能有个声音在告诉你 还没有准备好成为一个开源贡献者；你的技能还不够好 足以做出贡献。 你能提供什么？
我们向你保证你脑子里的声音是错的。
成为贡献者不仅仅意味着编写代码。 平等的重要贡献包括： 编写或校对文档，建议或实施测试，或 甚至对项目给出反馈（包括对 贡献过程）。 如果你带着新的眼光来参加这个项目，你可能会看到错误和 经验丰富的贡献者掩盖的假设。 如果您可以编写任何代码，那么您可以为开源贡献代码。 我们不断尝试新技能，犯错误，并从中学习 那些错误。 我们都是这样进步的，我们乐于帮助别人学习。
此免责声明改编自MetPy project。
许可证
这是一个自由软件：你可以根据条款重新发布和/或修改它 bsd 3子句许可证的。本许可证副本见 LICENSE.txt。
其他版本的文档
- Development（反映上的master分支 github）
- Latest release
- v1.2.0
- v1.1.0
- v1.0.1
- v1.0.0
欢迎加入QQ群-->： 979659372
