表格型检验产品
<p>[TOC]</p>
<pre><code class="language-python">%matplotlib inline
%load_ext autoreload
%autoreload 2
import meteva.method as mem
import numpy as np</code></pre>
<pre><code>The autoreload extension is already loaded. To reload it, use:
%reload_ext autoreload</code></pre>
<p><strong><em>通过随机函数生成测试数据，用于后续检验函数调用示例</em></strong></p>
<pre><code class="language-python">ob = (np.random.rand(20) * 10).astype(np.int8)
fo = (np.random.rand(2,20) * 10).astype(np.int8)
grade_list = [3,5]</code></pre>
<pre><code class="language-python">ob</code></pre>
<pre><code>array([4, 7, 4, 1, 5, 0, 1, 4, 1, 8, 5, 0, 6, 2, 0, 0, 9, 3, 0, 8],
dtype=int8)</code></pre>
<pre><code class="language-python">fo</code></pre>
<pre><code>array([[8, 2, 9, 4, 8, 4, 4, 1, 6, 9, 3, 5, 7, 4, 4, 5, 8, 0, 4, 8],
[1, 4, 9, 0, 3, 2, 1, 3, 8, 8, 3, 3, 8, 4, 3, 1, 0, 3, 2, 7]],
dtype=int8)</code></pre>
<h1>列联表</h1>
<p><strong><font face="黑体" color=blue size = 5>contingency_table_multicategory(ob, fo,grade_list=None, member_list=None, save_path=None)</font></strong><br />
统计观测和预报分别为各种类别时对应的样本数 </p>
<table>
<thead>
<tr>
<th style="text-align: left;">参数</th>
<th style="text-align: left;">说明</th>
</tr>
</thead>
<tbody>
<tr>
<td style="text-align: left;"><strong><font face="黑体" color=blue size = 5>ob</font></strong></td>
<td style="text-align: left;">实况数据, 任意维numpy数组</td>
</tr>
<tr>
<td style="text-align: left;"><strong><font face="黑体" color=blue size = 5>fo</font></strong></td>
<td style="text-align: left;">fo比Ob.shape多一维或者保持一致，fo.shape低维与ob.shape保持一致</td>
</tr>
<tr>
<td style="text-align: left;"><strong>grade_list</strong></td>
<td style="text-align: left;">如果该参数为None，观测或预报值出现过的值都作为分类标记，如果该参数不为None，它必须是一个从小到大排列的实数，以其中列出的数值划分出的多个区间作为分类标签。对于预报和观测值不为整数的情况，grade_list 不能设置为None</td>
</tr>
<tr>
<td style="text-align: left;"><strong>member_list</strong></td>
<td style="text-align: left;">个预报成员的名称列表</td>
</tr>
<tr>
<td style="text-align: left;"><strong>save_path</strong></td>
<td style="text-align: left;">如果该参数不为None,则混淆矩阵将会以excel文件形式保存到指定文件</td>
</tr>
<tr>
<td style="text-align: left;"><font face="黑体" color=blue size=5>return</font></td>
<td style="text-align: left;">如果Fo和Ob的shape一致（即只有一种预报），返回内容为混淆矩阵的二维数组，shape为（类别数 + 1）×（类别数 + 1），如果Fo比Ob高出一维，则返回3维数组，shape为预报种类数据 ×（类别数 + 1）×（类别数 + 1）</td>
</tr>
</tbody>
</table>
<p><strong>调用示例：</strong> </p>
<pre><code class="language-python">#单个预报成员的检验，不设置等级参数的情况下，默认每一种数值都代表一种类别
result= mem.contingency_table_multicategory(ob,fo[0,:],
save_path = r"H:\test_data\output\method\multi_catagory\ct1.xlsx")</code></pre>
<pre><code>列联表已以excel表格形式保存至H:\test_data\output\method\multi_catagory\ct1.xlsx</code></pre>
<pre><code class="language-python">result.shape #当只有一个预报成员时返回结果的shape</code></pre>
<pre><code>(11, 11)</code></pre>
<p>运行结果excel表格的截图将是如下样式</p>
<p><img src="https://www.showdoc.cc/server/api/common/visitfile/sign/e8919e13ac8c39776cd06dd900288b23?showdoc=.jpg" alt="" /></p>
<pre><code class="language-python">#预报比观测高出一维时，返回3维数组
result= mem.contingency_table_multicategory(ob,fo,member_list = ["GRAPES","ECMWF"],
save_path = r"H:\test_data\output\method\multi_catagory\ct2.xlsx")</code></pre>
<pre><code>列联表已以excel表格形式保存至H:\test_data\output\method\multi_catagory\ct2.xlsx</code></pre>
<pre><code class="language-python">result.shape</code></pre>
<pre><code>(2, 11, 11)</code></pre>
<p>运行结果excel表格的截图将是如下样式,其中包含两个sheet部分GRAPES和ECMWF：</p>
<p><img src="https://www.showdoc.cc/server/api/common/visitfile/sign/bfec71a524b0a42dbae0df549ae29169?showdoc=.jpg" alt="" /></p>
<pre><code class="language-python">result = mem.contingency_table_multicategory(ob,fo,grade_list=grade_list,member_list = ["GRAPES","ECMWF"],
save_path = r"H:\test_data\output\method\multi_catagory\ct3.xlsx")</code></pre>
<pre><code>列联表已以excel表格形式保存至H:\test_data\output\method\multi_catagory\ct3.xlsx</code></pre>
<pre><code class="language-python">result.shape</code></pre>
<pre><code>(2, 4, 4)</code></pre>
<p>在上述示例中，grade_list =[3,5],它将实数分割为3个区间，运行结果excel表格的截图将是如下样式：</p>
<p><img src="https://www.showdoc.cc/server/api/common/visitfile/sign/95ca734863aa0fbfaa458c9c0c2f0c72?showdoc=.jpg" alt="" /></p>
<h1>频率表</h1>
<p><strong><font face="黑体" color=blue size = 5>frequency_table(ob,fo,grade_list=None,member_list = None, save_path=None)</font></strong><br />
统计观测和预报分别为各种类别的样本数 </p>
<table>
<thead>
<tr>
<th style="text-align: left;">参数</th>
<th style="text-align: left;">说明</th>
</tr>
</thead>
<tbody>
<tr>
<td style="text-align: left;"><strong><font face="黑体" color=blue size = 5>ob</font></strong></td>
<td style="text-align: left;">实况数据, 任意维numpy数组</td>
</tr>
<tr>
<td style="text-align: left;"><strong><font face="黑体" color=blue size = 5>fo</font></strong></td>
<td style="text-align: left;">比Ob.shape多一维或者保持一致，Fo.shape低维与ob.shape保持一致</td>
</tr>
<tr>
<td style="text-align: left;"><strong>grade_list</strong></td>
<td style="text-align: left;">阈值列表</td>
</tr>
<tr>
<td style="text-align: left;"><strong>member_list</strong></td>
<td style="text-align: left;">个预报成员的名称列表</td>
</tr>
<tr>
<td style="text-align: left;"><strong>save_path</strong></td>
<td style="text-align: left;">如果该参数不为None,则混淆矩阵将会以excel文件形式保存到指定文件</td>
</tr>
<tr>
<td style="text-align: left;"><font face="黑体" color=blue size=5>return</font></td>
<td style="text-align: left;">返回numpy数组，shape为（预报种类 + 1）×（类别数 + 1）</td>
</tr>
</tbody>
</table>
<p><strong>调用示例：</strong> </p>
<pre><code class="language-python">result = mem.frequency_table(ob,fo,grade_list=grade_list,member_list = ["GRAPES","ECMWF"],
save_path = r"H:\test_data\output\method\multi_catagory\ct4.xlsx")</code></pre>
<pre><code>列联表已以excel表格形式保存至H:\test_data\output\method\multi_catagory\ct4.xlsx</code></pre>
<pre><code class="language-python">result.shape</code></pre>
<pre><code>(3, 3)</code></pre>
<p>运行结果excel表格的截图将是如下样式</p>
<p><img src="https://www.showdoc.cc/server/api/common/visitfile/sign/7d7b3ae8e570dd00bf41f053b80dcf99?showdoc=.jpg" alt="" /></p>
<pre><code class="language-python"></code></pre>