(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

python可以画图吗

利用LAMP搭建论坛(图文详解,保姆级教程)

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!

❤️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!

机器学习系列5 利用Scikit-learn构建回归模型:准备和可视化数据(保姆级教程)