地球科学Python学习福音：哥伦比亚大学课程《地球科学的研究计算》同款教案中文版

大家好，我是和鲸社区的方小鲸。众所周知我们对气象领域一直小有研究，而最近，我们在一次用户访谈中发现，以大气、气象这类地球科学为首的，需要处理大量数据，且非计算机相关的专业的同学，一直有“缺少有逻辑、成体系的编程教学”的问题。

课上不教，遇到了又要直接赶鸭子上架，这里抄抄那里改改，实在不行问下师兄，永远都被目标推着走。

俺搜遍全网，发现了这么一份教案：地球与环境数据科学[1]，它来自于哥伦比亚大学的《地球科学的研究计算》课程[2]，这份教程的作者Ryan Abernathey[3], Kerry Key[4], Tim Crone[5]等人将课程和教程分离，想为地球和环境科学的Python教育创建一个开源的社区资源。

哥伦比亚大学的《地球科学的研究计算》课程

《地球与环境数据科学》教程

于是，俺将这个教程中Python相关的内容，搬运、翻译及复现，希望也一并为科研人的Python教育提供一个开源的学习资源。

该教程使用我司的在线编程工具ModelWhale全部跑通，并公开至和鲸社区，可一键fork运行。扫描以下图片即可访问：

以下是该教程更详细的介绍：

 · 课程涵盖范围 · 

本书的重点是数据分析，包括：

• 读取数据文件

• 执行一些分析操作，从非常简单的（如取平均值）到非常复杂的（如训练深度神经网络）。

• 将输出结果以图表的形式可视化

本书并不试图教授深度学习；它的目标是教授经常被忽视的地球和环境数据科学的基本基础。这些材料是为任何学科的地球科学研究生所设计的，没有任何先决条件。

本书旨在向新入学的研究生介绍现代计算软件、编程工具和最佳实践，这些都广泛适用于地球和环境数据的分析和可视化。大部分内容致力于深入探索构成现代科学Python生态系统的数值分析和可视化软件包，包括Numpy、Scipy、Matplotlib、Pandas、Xarray，使用真实的地球和环境数据集。

 · 学习目标 · 

在完成所有的材料后，学生应该有能力：

• 识别常见的地球科学数据格式和可以加载这些数据的python包

• 对地球和环境数据进行基本的探索性数据分析，包括

• 表格式数据：行和列

• 网格化数据：多维数字数组

• 使用可视化来加强对数据的解释，包括地图和交互式可视化。

• 用Python构建完整的、结构良好的程序

• 通过版本控制实践可重复的研究

 · 目录 · 

Python核心语法

• Python 基础

• Python 函数和类

• Python 项目的组织和打包

• 作业：基础Python

科研中的Python基础知识

• Numpy 和 Matplotlib

• 作业3：Numpy和Matplotlib

• 更多Matplotlib的内容

• 作业4：更多的Matplotlib的内容

高级数据分析框架

Pandas

• Pandas基础知识

• 作业5：Pandas基础知识与地震数据

• Pandas: Groupby

• 作业6：Pandas Groupby与飓风数据

用于多维网格化数据的Xarray

• Xarray基础知识

• 作业7：使用大气辐射数据的Xarray基础知识

• Xarray内插法、Groupby、重采样、滚动和粗化

• 作业：使用厄尔尼诺-南方涛动（ENSO）数据的更多Xarray

• Xarray技巧和窍门

地球科学的包

• 地球科学研究中的地图

• 作业：用Cartopy制作地图

• 使用xesmf和xgcm处理一般循环模型的输出结果

大数据

• 用Python进行并行计算的Dask

• 使用Dask进行计算

 · 课程获取 · 

该教程使用我司的在线编程工具ModelWhale全部跑通，并公开至和鲸社区，可一键fork运行。