小编Fab*_*bzi的帖子

我有一个案例,它基于在一条线上投射一个点,然后在它上面分开这一行.我的用例稍微复杂一些,但我的问题可以通过以下代码重现:

from shapely import *
line1 = LineString([(1,1.2), (2,2), (3, 2.), (4,1.2)])
pt = Point(2.5, 1.2)
pr = line1.interpolate(line1.project(pt))

通过构造,"pr"应该在第1行和它们的交叉点上:

line1.contains(pr)
line1.intersects(LineString([pt, pr]))

打印两次"True".但是改变输入坐标会略微制动工作流程:

from shapely import *
line1 = LineString([(1,1.2), (2,2), (3, 2.3), (4,1.2)])
pt = Point(2.5, 1.2)
pr = line1.interpolate(line1.project(pt))
line1.contains(pr)
line1.intersects(LineString([pt, pr]))

打印"假".

我理解这背后的浮动精度问题,但这是否意味着我永远无法测试线上的点？当我根据点列表构建一条线时,我能确定至少所有"构造"点都在线上吗？

xarray 的文档解释了如何计算每月climatology 的异常值。在这里，我试图做一些稍微不同的事情：从每日时间序列，我想计算本月平均值（而不是每月气候学）的每日异常。

我设法使用 groupby 和手动创建的每月邮票（下面的代码）来做到这一点。有没有更好、更简单的方法来获得相同的结果？

import xarray as xr
import numpy as np
import pandas as pd

# Create a data array
t = pd.date_range('2001', '2003', freq='D')
da = xr.DataArray(np.arange(len(t)), coords={'time':t}, dims='time')

# Monthly time stamp for groupby
da.coords['stamp'] = ('time', [str(y) + '-' + str(m) for (y, m) in 
                               zip(da['time.year'].values, 
                                   da['time.month'].values)])

# Anomaly
da_ano = da.groupby('stamp') - da.groupby('stamp').mean()

da_ano.plot();