Pythonによる気象・気候データ解析I 1章章末問題

Pythonによる気象・気候データ解析I: Pythonの基礎・気候値と偏差・回帰相関分析

注：しばらくAmazonでは品切れなので楽天等で
Pythonによる気象・気候データ解析1 Pythonの基礎・気候値と偏差・回帰相関分析 [ 神山 翼 ]

の章末問題を一つずつ解いていきます。まずは第1章

A

import numpy as np
import numpy as np

A = np.array([[3, 2, 4],
              [4, 2, 5],
              [7, 2, 9]])
print('AA^T=')
print(np.dot(A, A.T))
print('A^TA=')
print(np.dot(A.T, A))

AA^T=
[[ 29  36  61]
 [ 36  45  77]
 [ 61  77 134]]
A^TA=
[[ 74  28  95]
 [ 28  12  36]
 [ 95  36 122]]

B

• II巻でも使うので、三角波にしてみました

import matplotlib.pyplot as plt

x = np.linspace(-np.pi, np.pi, 100)
c, s = np.cos(x), np.sin(x)

plt.plot(x, c)
plt.plot(x, s)

plt.grid(linestyle='dashed')

plt.legend(['cos', 'sin'])

plt.show()

C

# c.f. https://xoblos.hatenablog.jp/entry/2024/02/22/050417

# matplotlib用の日本語対応
!pip install japanize_matplotlib > /dev/null
import japanize_matplotlib

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('https://www.e-stat.go.jp/stat-search/file-download?statInfId=000031524010&fileKind=1', encoding='cp932')

# 「全国」を抽出
df_tokyo = df[df['都道府県名'] == '全国']
df_tokyo = df_tokyo.reset_index(drop=True)

# 西暦（年）,人口（男）,人口（女）を整数型に
df_tokyo['西暦（年）'] = df_tokyo['西暦（年）'].astype(int)
df_tokyo['人口（男）'] = df_tokyo['人口（男）'].astype(int)
df_tokyo['人口（女）'] = df_tokyo['人口（女）'].astype(int)

df_tokyo.head()

plt.plot(df_tokyo['西暦（年）'], df_tokyo['人口（男）'])
plt.plot(df_tokyo['西暦（年）'], df_tokyo['人口（女）'])

plt.legend(['人口（男）', '人口（女）'])

plt.title('人口推移')
plt.xlabel('西暦（年）')
plt.ylabel('人口（男）,人口（女）')

plt.show()

• あらためて戦争怖いね

D

price_kaisen = 640
price_ehomaki = 540
price_nebiki = -30

# c.f. https://qiita.com/chatrate/items/21b5c83ecf9197e64299
from datetime import datetime
from datetime import timedelta

start = datetime.strptime('1979-01-01', '%Y-%m-%d')
end   = datetime.strptime('2021-12-31', '%Y-%m-%d')

def daterange(_start, _end):
    for n in range((_end - _start).days + 1): # 最終日も入れるので +1
        yield _start + timedelta(n)

cost = 0

for d in daterange(start, end):
  if '-02-03' in str(d):
    # 節分
    cost += price_ehomaki + str(d).count('9') * price_nebiki
  
  cost += price_kaisen + str(d).count('9') * price_nebiki

print('合計', cost)

合計 9595390

E

import pandas as pd
import matplotlib.pyplot as plt
import japanize_matplotlib

# https://www.data.jma.go.jp/yoho/typhoon/position_table/table2023.html から「台風位置表(CSV形式)」をダウンロード
df = pd.read_csv('table2023.csv', encoding='cp932')
# 2023年に上陸した７号
df01 = df[df['台風番号'] == 2307]
df01 = df01.reset_index(drop=True)
#display(df01.head())

plt.plot(df01['経度'], df01['緯度']) 
plt.xlabel('経度')
plt.ylabel('緯度')
plt.title('台風7号(2023)')
plt.show()

---

• Pythonによる気象・気候データ解析II 2章章末問題
  先にII巻を買ったので下記記事もあります
• Pythonによる気象・気候データ解析II 1章章末問題