(保姆式教程:从下数据到画图)python如何利用EOF分析SSTA海温异常现象并画图
Posted 森屿星球
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了(保姆式教程:从下数据到画图)python如何利用EOF分析SSTA海温异常现象并画图相关的知识,希望对你有一定的参考价值。
最近,在学习如何利用python中的EOF 对太平洋附近的1979-2004年出现的海温异常进行分析。
EOF分析是气象分析中常见的一种分析方法,也被称为经验正交函数。经过EOF分析,可以将几十年的海温数据变成几个空间模态和时间序列,这样就可以通过空间模态大致分析一些变化趋势,话不多说,接下来我们就开始看如何对SSTA进行EOF分解吧!
首先我们需要分析的数据是SSTA,我选取的是1979—2004年的海温数据,下载的网站是
https://www.metoffice.gov.uk/hadobs/hadisst/index.html
选取首页的main data page,进入后有很多可以选择的下载数据。
这里选取第一个文件下载,进入python进行运行。
首先我们读取这个nc文件。
#读取数据
path='C:\\\\Users\\\\user\\\\Desktop\\\\data\\\\SST\\\\HadISST_sst.nc'
SST=xr.open_dataset(path)
查看SST的基本信息:
我们可以看出该数据的时间范围为1840—2021年,但是我们需要分析的是1979—2004年的数据(此处为何选择1979为起点,是因为其实1979年之前的数据准确度都不太够,所以一般分析的时候选取1979作为起点分析。)
其中我们也可以发现我们的经度范围为-180-180,我们此处的分析范围是太平洋地区的厄尔尼诺和拉尼娜现象,所以我们的经纬度范围一定要足够准确才可以,此处我选取 latitude=slice(30,-30),longitude=slice(100,300),那么就会有一个事情需要做,就是我们需要使用cdo对该nc文件进行一个处理,将其中的经度范围从-180-180改为0-360。
关于cdo的内容可以学习这篇文章:cdo常用命令介绍
一些操作可以看这篇文章:如何解决 cdo转换经度-180~180 为0~360
但是操作过程中会发现一些问题,比如我这个数据集即使是用上述方法依然会报错,此时我们去看一下这个nc文件的基本信息
cdo infos HadISST_sst.nc
我们可以发现,在文章中需要将generic转化为lonlat的步骤在这里根本不需要,因为我们本来就有一层是lonlat ,所以我们只要将这一层lonlat取出来作为一个新的nc文件进行转化即可。
cdo selgrid,lonlat HadISST_sst.nc sst2.nc
这就取出来啦,此时进行上述文章中的操作:
cdo sellonlatbox,0,360,-90,90 sst2.nc sst3.nc
这样就成功转化啦!
接下来我们做一些进行EOF分析的准备工作:
首先进行EOF分析必须要安装eof的模块:
conda install -c conda-forge eofs
对数据进行一些处理:
path='C:\\\\Users\\\\user\\\\Desktop\\\\data\\\\SST\\\\sst1.nc'
SST=xr.open_dataset(path).sel(latitude=slice(30,-30),longitude=slice(100,300),time=slice("1979","2004"))
sst1=SST.sst[:]
sst2=np.array(sst1)
lat=SST.latitude[:]
lon=SST.longitude[:]
此处需要将sst转化为array格式才能进行下一步的矩阵运算。
关于为什么要做一定的计算呢?
因为我们需要分析的是海温异常,就需要分析与平均值不同的异常,所以需要将原来的数据和平均值做一个差值,通过差值的大小来判断海温异常的趋势以及分布。
sst=np.array(sst1)
ano=sst1.groupby('time.month')-sst1.groupby('time.month').mean('time', skipna=True)
ano1=np.array(ano)
得到的ano1就是我们要用来做EOF分析的数据集啦!
东西都准备好了,接下来就是我们的主要工作啦!
#计算纬度权重
lat=np.array(lat)
coslat=np.cos(np.deg2rad(lat))
wgts = np.sqrt(coslat)[..., np.newaxis]
#创建EOF分解器
solver=Eof(ano1,weights=wgts)
eof=solver.eofsAsCorrelation(neofs=4)
#此处的neofs的值是我们需要的空间模态数,比如这里我们打算画四个模态
pc=solver.pcs(npcs=4,pcscaling=1)#方差
var=solver.varianceFraction(neigs=4)
分析结束!
接下来就是画图啦!此处我们需要在一张图上画八个子图,左侧为空间模态,右边为时间序列。
fig=plt.figure(figsize=(15,15))#设置画布
proj=ccrs.PlateCarree(central_longitude=180)
leftlon,rightlon,lowerlat,upperlat=(100,290,-30,30)#设置经纬度范围
lon_formatter=ticker.LongitudeFormatter()
lat_formatter=ticker.LatitudeFormatter()
绘制第一模态
fig_ax1=fig.add_axes([0.1,0.95,0.5,0.3],projection=proj)
fig_ax1.set_extent([leftlon,rightlon,lowerlat,upperlat],crs=ccrs.PlateCarree())
fig_ax1.add_feature(cfeature.OCEAN,edgecolor='black')
fig_ax1.add_feature(cfeature.LAKES,alpha=0.5)
fig_ax1.add_feature(cfeature.COASTLINE,lw=1)
fig_ax1.set_xticks(np.arange(leftlon,rightlon,20),crs=ccrs.PlateCarree())
fig_ax1.set_yticks(np.arange(lowerlat,upperlat+5,5),crs=ccrs.PlateCarree())
fig_ax1.xaxis.set_major_formatter(lon_formatter)
fig_ax1.yaxis.set_major_formatter(lat_formatter)
rivers_110m = cfeature.NaturalEarthFeature('physical', 'rivers_lake_centerlines', '110m')
fig_ax1.set_title('(a) EOF1(HadISSTA from 1979-2004)',loc='left',fontsize =15)
fig_ax1.set_title( '%.2f%%' % (var[0]*100),loc='right',fontsize =15)
c1=fig_ax1.contourf(lon,lat, eof[0,:,:], levels=np.arange(-0.9,1.0,0.1 ), zorder=0, extend = 'both',transform=ccrs.PlateCarree(), cmap=plt.cm.RdBu_r)
绘制第一个时间序列:
fig_ax5=fig.add_axes([0.65,0.99,0.47,0.2])
fig_ax5.set_title('(b) PC1',loc='left',fontsize = 15)
fig_ax5.set_ylim(-3.5,3.5)
fig_ax5.axhline(0,linestyle="--")
fig_ax5.plot(np.arange(1979,2005,1/12),pc[:,0],color='blue')
绘制colorbar:
cbposition=fig.add_axes([0.1, 0.2, 0.5, 0.015])
fig.colorbar(c1,cax=cbposition,orientation='horizontal',format='%.1f')
其他模态则重复这些操作四次:(文章最末放出完整代码)
我们看一下成果图:
效果还不错,此时我想要把PC1、PC2、PC3绘制在一张图上,并且以三种不同的线条展示:
ax.plot(np.arange(1979,2005,1/12),pc[:,0],linewidth=1,linestyle='-',color='r',label='PC1')
bar=ax.bar(np.arange(1979,2005,1/12),height=pc[:,1],color='blue',align="center",width=0.1,linewidth=0.1,bottom=None,edgecolor='black',label='PC2')
ax.plot(np.arange(1979,2005,1/12),pc[:,2],linestyle='--',linewidth=1,color='black',label='PC3')
ax.set_ylim(-4,4)
ax.set_title("PC")
ax.set_xlabel("Time")
ax.set_ylabel("y")
plt.legend()
plt.grid()
plt.show()
完美,此时我们就可以对这些图像进行其他分析啦!
完整的代码如下:
import numpy as np
import cartopy.crs as ccrs
import cartopy.feature as cfeature
import matplotlib.pyplot as plt
from eofs.standard import Eof
import xarray as xr
from cartopy.mpl import ticker
#读取数据
path='C:\\\\Users\\\\user\\\\Desktop\\\\data\\\\SST\\\\sst1.nc'
SST=xr.open_dataset(path).sel(latitude=slice(30,-30),longitude=slice(100,300),time=slice("1979","2004"))
sst1=SST.sst[:]
sst2=np.array(sst1)
lat=SST.latitude[:]
lon=SST.longitude[:]
sst=np.array(sst1)
ano=sst1.groupby('time.month')-sst1.groupby('time.month').mean('time', skipna=True)
ano1=np.array(ano)
#计算纬度权重
lat=np.array(lat)
coslat=np.cos(np.deg2rad(lat))
wgts = np.sqrt(coslat)[..., np.newaxis]
#创建EOF分解器
solver=Eof(ano1,weights=wgts)
eof=solver.eofsAsCorrelation(neofs=4)
pc=solver.pcs(npcs=4,pcscaling=1)
var=solver.varianceFraction(neigs=4)
fig=plt.figure(figsize=(15,15))
proj=ccrs.PlateCarree(central_longitude=180)
leftlon,rightlon,lowerlat,upperlat=(100,290,-30,30)
lon_formatter=ticker.LongitudeFormatter()
lat_formatter=ticker.LatitudeFormatter()
# 绘制第一模态
fig_ax1=fig.add_axes([0.1,0.95,0.5,0.3],projection=proj)
fig_ax1.set_extent([leftlon,rightlon,lowerlat,upperlat],crs=ccrs.PlateCarree())
fig_ax1.add_feature(cfeature.OCEAN,edgecolor='black')
fig_ax1.add_feature(cfeature.LAKES,alpha=0.5)
fig_ax1.add_feature(cfeature.COASTLINE,lw=1)
fig_ax1.set_xticks(np.arange(leftlon,rightlon,20),crs=ccrs.PlateCarree())
fig_ax1.set_yticks(np.arange(lowerlat,upperlat+5,5),crs=ccrs.PlateCarree())
fig_ax1.xaxis.set_major_formatter(lon_formatter)
fig_ax1.yaxis.set_major_formatter(lat_formatter)
rivers_110m = cfeature.NaturalEarthFeature('physical', 'rivers_lake_centerlines', '110m')
fig_ax1.set_title('(a) EOF1(HadISSTA from 1979-2004)',loc='left',fontsize =15)
fig_ax1.set_title( '%.2f%%' % (var[0]*100),loc='right',fontsize =15)
c1=fig_ax1.contourf(lon,lat, eof[0,:,:], levels=np.arange(-0.9,1.0,0.1 ), zorder=0, extend = 'both',transform=ccrs.PlateCarree(), cmap=plt.cm.RdBu_r)
fig_ax2=fig.add_axes([0.1,0.7,0.5,0.3],projection=proj)
fig_ax2.set_extent([leftlon,rightlon,lowerlat,upperlat],crs=ccrs.PlateCarree())
fig_ax2.add_feature(cfeature.OCEAN,edgecolor='black')
fig_ax2.add_feature(cfeature.LAKES,alpha=0.5)
fig_ax2.add_feature(cfeature.COASTLINE,lw=1)
fig_ax2.set_xticks(np.arange(leftlon,rightlon,20),crs=ccrs.PlateCarree())
fig_ax2.set_yticks(np.arange(lowerlat,upperlat+5,5),crs=ccrs.PlateCarree())
fig_ax2.xaxis.set_major_formatter(lon_formatter)
fig_ax2.yaxis.set_major_formatter(lat_formatter)
rivers_110m = cfeature.NaturalEarthFeature('physical', 'rivers_lake_centerlines', '110m')
fig_ax2.set_title('(c) EOF2(HadISSTA from 1979-2004)',loc='left',fontsize =15)
fig_ax2.set_title( '%.2f%%' % (var[1]*100),loc='right',fontsize =15)
c2=fig_ax2.contourf(lon,lat, eof[1,:,:], levels=np.arange(-0.9,1.0,0.1), zorder=0, extend = 'both',transform=ccrs.PlateCarree(), cmap=plt.cm.RdBu_r)
fig_ax3=fig.add_axes([0.1,0.45,0.5,0.3],projection=proj)
fig_ax3.set_extent([leftlon,rightlon,lowerlat,upperlat],crs=ccrs.PlateCarree())
fig_ax3.add_feature(cfeature.OCEAN,edgecolor='black')
fig_ax3.add_feature(cfeature.LAKES,alpha=0.5)
fig_ax3.add_feature(cfeature.COASTLINE,lw=1)
fig_ax3.set_xticks(np.arange(leftlon,rightlon,20),crs=ccrs.PlateCarree())
fig_ax3.set_yticks(np.arange(lowerlat,upperlat+5,5),crs=ccrs.PlateCarree())
fig_ax3.xaxis.set_major_formatter(lon_formatter)
fig_ax3.yaxis.set_major_formatter(lat_formatter)
rivers_110m = cfeature.NaturalEarthFeature('physical', 'rivers_lake_centerlines', '110m')
fig_ax3.set_title('(e) EOF3(HadISSTA from 1979-2004)',loc='left',fontsize =15)
fig_ax3.set_title( '%.2f%%' % (var[2]*100),loc='right',fontsize =15)
c3=fig_ax3.contourf(lon,lat, eof[2,:,:], levels=np.arange(-0.9,1.0,0.1), zorder=0, extend = 'both', transform=ccrs.PlateCarree(), cmap=plt.cm.RdBu_r)
fig_ax4=fig.add_axes([0.1,0.2,0.5,0.3],projection=proj)
fig_ax4.set_extent([leftlon,rightlon,lowerlat,upperlat],crs=ccrs.PlateCarree())
fig_ax4.add_feature(cfeature.OCEAN,edgecolor='black')
fig_ax4.add_feature(cfeature.LAKES,alpha=0.5)
fig_ax4.add_feature(cfeature.COASTLINE,lw=1)
fig_ax4.set_xticks(np.arange(leftlon,rightlon,20),crs=ccrs.PlateCarree())
fig_ax4.set_yticks(np.arange(lowerlat,upperlat+5,5),crs=ccrs.PlateCarree())
fig_ax4.xaxis.set_major_formatter(lon_formatter)
fig_ax4.yaxis.set_major_formatter(lat_formatter)
rivers_110m = cfeature.NaturalEarthFeature('physical', 'rivers_lake_centerlines', '110m')
fig_ax4.set_title('(g) EOF4(HadISSTA from 1979-2004)',loc='left',fontsize =15)
fig_ax4.set_title( '%.2f%%' % (var[3]*100),loc='right',fontsize =15)
c4=fig_ax4.contourf(lon,lat, eof[3,:,:], levels=np.arange(-0.9,1.0,0.1), zorder=0, transform=ccrs.PlateCarree(), cmap=plt.cm.RdBu_r)
cbposition=fig.add_axes([0.1, 0.2, 0.5, 0.015])
fig.colorbar(c1,cax=cbposition,orientation='horizontal',format='%.1f')
fig_ax5=fig.add_axes([0.65,0.99,0.47,0.2])
fig_ax5.set_title('(b) PC1',loc='left',fontsize = 15)
fig_ax5.set_ylim(-3.5,3.5)
fig_ax5.axhline(0,linestyle="--")
fig_ax5.plot(np.arange(1979,2005,1/12),pc[:,0],color='blue')
fig_ax6 = fig.add_axes([0.65, 0.74, 0.47, 0.2])
fig_ax6.set_title('(d) PC2',loc='left',fontsize = 15)
fig_ax6.set_ylim(-3.5,3.5)
fig_ax6.axhline(0,linestyle="--")
fig_ax6.plot(np.arange(1979,2005,1/12),pc[:,1],color='blue')
fig_ax7 = fig.add_axes([0.65, 0.49, 0.47, 0.2])
fig_ax7.set_title('(f) PC3',loc='left',fontsize = 15)
fig_ax7.set_ylim(-3.5,3.5)
fig_ax7.axhline(0,linestyle="--")
fig_ax7.plot(np.arange(1979,2005,1/12),pc[:,2],color='blue')
fig_ax8 = fig.add_axes([0.65, 0.24, 0.47, 0.2])
fig_ax8.set_title('(h) PC4',loc='left',fontsize = 15)
fig_ax8.set_ylim(-3.5,3.5)
fig_ax8.axhline(0,linestyle="--")
fig_ax8.plot(np.arange(1979,2005,1/12),pc[:,3],color='blue')
plt.show()
fig=plt.figure(figsize=(10,6))
ax=fig.add_axes([0,0,1,1])
ax.plot(np.arange(1979,2005,1/12),pc[:,0],linewidth=1,linestyle='-',color='r',label='PC1')
bar=ax.bar(np.arange(1979,2005,1/12),height=pc[:,1],color='blue',align="center",width=0.1,linewidth=0.1,bottom=None,edgecolor='black',label='PC2')
ax.plot(np.arange(1979,2005,1/12),pc[:,2],linestyle='--',linewidth=1,color='black',label='PC3')
ax.set_ylim(-4,4)
ax.set_title("PC")
ax.set_xlabel("Time")
ax.set_ylabel("y")
plt.legend()
plt.grid()
plt.show()
初次见面,请多关照!希望能解决你的一点小烦恼哦!
一个也也也也在努力学习python的ocean小菜鸟!
水平有限,欢迎指正!!!
欢迎评论、收藏、点赞、转发、关注。
关注我不后悔,记录学习进步的过程~~
字符串跳舞,保姆级教程,利用python实现小姐姐跳代码舞
代码舞
源代码:
video_2_code_video.py
私信小编01即可获取大量python学习资源,最后,如果你的时间不是很紧张,并且又想快速的提高,最重要的是不怕吃苦,建议你可以联系维:762459510 ,那个真的很不错,很多人进步都很快,需要你不怕吃苦哦!大家可以去添加上看一下~
1 import argparse
2 import os
3 import cv2
4 import subprocess
5 from cv2 import VideoWriter_fourcc
6 from PIL import Image, ImageFont, ImageDraw
7
8 # 命令行输入参数处理
9 # aparser = argparse.ArgumentParser()
10 # aparser.add_argument('file')
11 # aparser.add_argument('-o','--output')
12 # aparser.add_argument('-f','--fps',type = float, default = 24)#帧
13 # aparser.add_argument('-s','--save',type = bool, nargs='?', default = False, const = True)
14 # 是否保留Cache文件,默认不保存
15
16 class Video2CodeVideo:
17 def __init__(self):
18 self.config_dict = {
19 # 原视频文件
20 "input_file": "video/test.mp4",
21 # 中间文件存放目录
22 "cache_dir": "cache",
23 # 是否保留过程文件。True--保留,False--不保留
24 "save_cache_flag": False,
25 # 使用使用的字符集 26 "ascii_char_list": list("01B%8&WM#*oahkbdpqwmZO0QLCJUYXzcvunxrjft/\\|()1{}[]?-_+~<>i!lI;:oa+>!:+. "),
27 }
28
29 # 第一步从函数,将像素转换为字符
30 # 调用栈:video_2_txt_jpg -> txt_2_image -> rgb_2_char
31 def rgb_2_char(self, r, g, b, alpha=256):
32 if alpha == 0:
33 return ''
34 length = len(self.config_dict["ascii_char_list"])
35 gray = int(0.2126 * r + 0.7152 * g + 0.0722 * b)
36 unit = (256.0 + 1) / length
37 return self.config_dict["ascii_char_list"][int(gray / unit)]
38
39 # 第一步从函数,将txt转换为图片
40 # 调用栈:video_2_txt_jpg -> txt_2_image -> rgb_2_char
41 def txt_2_image(self, file_name):
42 im = Image.open(file_name).convert('RGB')
43 # gif拆分后的图像,需要转换,否则报错,由于gif分割后保存的是索引颜色
44 raw_width = im.width
45 raw_height = im.height
46 width = int(raw_width / 6)
47 height = int(raw_height / 15)
48 im = im.resize((width, height), Image.NEAREST)
49
50 txt = ""
51 colors = []
52 for i in range(height):
53 for j in range(width):
54 pixel = im.getpixel((j, i))
55 colors.append((pixel[0], pixel[1], pixel[2]))
56 if (len(pixel) == 4):
57 txt += self.rgb_2_char(pixel[0], pixel[1], pixel[2], pixel[3])
58 else:
59 txt += self.rgb_2_char(pixel[0], pixel[1], pixel[2])
60 txt += '\\n'
61 colors.append((255, 255, 255))
62
63 im_txt = Image.new("RGB", (raw_width, raw_height), (255, 255, 255))
64 dr = ImageDraw.Draw(im_txt)
65 # font = ImageFont.truetype(os.path.join("fonts","汉仪楷体简.ttf"),18)
66 font = ImageFont.load_default().font
67 x = y = 0
68 # 获取字体的宽高
69 font_w, font_h = font.getsize(txt[1])
70 font_h *= 1.
37 # 调整后更佳
71 # ImageDraw为每个ascii码进行上色
72 for i in range(len(txt)):
73 if (txt[i] == '\\n'):
74 x += font_h
75 y = -font_w
76 # self, xy, text, fill = None, font = None, anchor = None,
77 # *args, ** kwargs
78 dr.text((y, x), txt[i], fill=colors[i])
79 # dr.text((y, x), txt[i], font=font, fill=colors[i])
80 y += font_w
81
82 name = file_name
83 # print(name + ' changed')
84 im_txt.save(name)
85
86
87 # 第一步,将原视频转成字符图片
88 # 调用栈:video_2_txt_jpg -> txt_2_image -> rgb_2_char
89 def video_2_txt_jpg(self, file_name):
90 vc = cv2.VideoCapture(file_name)
91 c = 1
92 if vc.isOpened():
93 r, frame = vc.read()
94 if not os.path.exists(self.config_dict["cache_dir"]):
95 os.mkdir(self.config_dict["cache_dir"])
96 os.chdir(self.config_dict["cache_dir"])
97 else:
98 r = False
99 while r:
100 cv2.imwrite(str(c) + '.jpg', frame)
101 self.txt_2_image(str(c) + '.jpg') # 同时转换为ascii图
102 r, frame = vc.read()
103 c += 1
104 os.chdir('..')
105 return vc
106
107 # 第二步,将字符图片合成新视频
108 def txt_jpg_2_video(self, outfile_name, fps):
109 fourcc = VideoWriter_fourcc(*"MJPG")
110
111 images = os.listdir(self.config_dict["cache_dir"])
112 im = Image.open(self.config_dict["cache_dir"] + '/' + images[0])
113 vw = cv2.VideoWriter(outfile_name + '.avi', fourcc, fps, im.size)
114
115 os.chdir(self.config_dict["cache_dir"])
116 for image in range(len(images)):
117 # Image.open(str(image)+'.jpg').convert("RGB").save(str(image)+'.jpg')118 frame = cv2.imread(str(image + 1) + '.jpg')
119 vw.write(frame)
120 # print(str(image + 1) + '.jpg' + ' finished')121 os.chdir('..')
122 vw.release()
123
124 # 第三步,从原视频中提取出背景音乐
125 def video_extract_mp3(self, file_name):
126 outfile_name = file_name.split('.')[0] + '.mp3'
127 subprocess.call('ffmpeg -i ' + file_name + ' -f mp3 -y ' + outfile_name, shell=True)
128
129 # 第四步,将背景音乐添加到新视频中
130 def video_add_mp3(self, file_name, mp3_file):
131 outfile_name = file_name.split('.')[0] + '-txt.mp4'
132 subprocess.call('ffmpeg -i ' + file_name + ' -i ' + mp3_file + ' -strict -2 -f mp4 -y ' + outfile_name, shell=True)
133
134 # 第五步,如果没配置保留则清除过程文件
135 def clean_cache_while_need(self):
136 # 为了清晰+代码比较短,直接写成内部函数
137 def remove_cache_dir(path):
138 if os.path.exists(path):
139 if os.path.isdir(path):
140 dirs = os.listdir(path)
141 for d in dirs:
142 if os.path.isdir(path + '/' + d):
143 remove_cache_dir(path + '/' + d)
144 elif os.path.isfile(path + '/' + d):
145 os.remove(path + '/' + d)
146 os.rmdir(path)
147 return
148 elif os.path.isfile(path):
149 os.remove(path)
150 return
151 # 为了清晰+代码比较短,直接写成内部函数
152 def delete_middle_media_file():
153 os.remove(self.config_dict["input_file"].split('.')[0] + '.mp3')
154 os.remove(self.config_dict["input_file"].split('.')[0] + '.avi')
155 # 如果没配置保留则清除过程文件
156 if not self.config_dict["save_cache_flag"]:
157 remove_cache_dir(self.config_dict["cache_dir"])
158 delete_middle_media_file()
159
160 # 程序主要逻辑
161 def main_logic(self):
162 # 第一步,将原视频转成字符图片
163 vc = self.video_2_txt_jpg(self.config_dict["input_file"])
164 # 获取原视频帧率
165 fps = vc.get(cv2.CAP_PROP_FPS)
166 # print(fps)
167 vc.release()
168 # 第二步,将字符图片合成新视频
169 self.txt_jpg_2_video(self.config_dict["input_file"].split('.')[0], fps)
170 print(self.config_dict["input_file"], self.config_dict["input_file"].split('.')[0] + '.mp3')
171 # 第三步,从原视频中提取出背景音乐
172 self.video_extract_mp3(self.config_dict["input_file"])
173 # 第四步,将背景音乐添加到新视频中
174 self.video_add_mp3(self.config_dict["input_file"].split('.')[0] + '.avi', self.config_dict["input_file"].split('.')[0] + '.mp3')
175 # 第五步,如果没配置保留则清除过程文件
176 self.clean_cache_while_need()
177
178 if __name__ == '__main__':
179 obj = Video2CodeVideo()
180 obj.main_logic()
运行环境:
操作系统:win10
版本:Python 3.8.4
依赖库:pip install opencv-python pillow
管理员权限安装,我的已安装过,显示这样:
依赖应用: ffpmeg (下载直接解压、将bin目录加到PATH环境变量)
不下载FFpmeg的话也可运行,但是转换后的视频没有声音。网上的下载教程比较老了,官网页面改了。这是我最新下载成功的过程: Windows下载FFmpeg最新版(踩了一上午的坑终于成功)
小白式运行(大佬请装瞎):
将上面的源代码命名video_2_code_video.py,在同一目录下新建文件夹video:
在video中放入要转换的原视频,命名test.mp4:
打开Python3.8
运行video_2_code_video.py,如下图显示表示正在运行:
会产生一些中间文件诸如:
经过漫长的等待,终于得偿所愿:
test-txt.mp4就是所要的代码舞啦:
以上是关于(保姆式教程:从下数据到画图)python如何利用EOF分析SSTA海温异常现象并画图的主要内容,如果未能解决你的问题,请参考以下文章
基于Python的发票批量识别并录入到Excel表格(保姆式教程)
❤️Python文件操作保姆式教程❤️,计算机那么多文件,你绕不过这一关的!