wlh2067的博客

Python Matlab R的Mann-Kendall趋势检验水文气象中推荐使用Mann-Kendall趋势检验这是一种非参数统计检验方法，在中心趋势不稳定时，关注数据的秩。该方法不需要不需要满足正态分布的假设，因而具有普适性。根据自己需要（图像、并行计算、线趋势图等等）分享python\matlab\R的方法Python进行Mann-Kendall趋势检验代码如下：# -*- coding: utf-8 -*-from __future__

通过散点展示数据的直观分布x轴刻度标签如果是“连续”数据，可添加渐变背景。通过渐变来体现升温幅度，美观形象。

R:ggplot2拟合，我推荐geom_smooth绘制拟合和ggpmisc添加统计信息。几行代码就可以搞定了，对新手非常友好。

如上图所示，是论文中常见的validation图，python也能实现相似的图绘。为了实现多个因变量和一个自变量在同一个图片里，我们要用。这里用到了xaxs和yaxs，可以使x，y轴从0开始。Qsim为模拟的数据，Qobs为观测的数据，自行读取。今天先介绍R语言版，python改期再介绍吧。

summarize()可以将数据折叠成一行如果不与group_by()一起使用，那么summarize()也没什么用delay12.63907group_by()可以将分析数据集改为单个分组通过summarize可以起到mutate的作用分组求和、求平均值、计数等等。思路是group_by统计量，summarize(count = n())#先选出没有取消的航班filter(!#平均延误时间摘要函数名称位置度量分散程度度量秩的度量定位度量计数n()#位置度量#平均延误时间。

直接上代码，原理可以看这个文章。由于需要绘制两个轴，设置xaxt和yaxt是为了不显示坐标轴内容，再用mtext手动添加。side是文字的位置（上下左右，4是右面）如图所示，derltaM取极值的时候认为发生了突变。我把原理稍微画了个图方便理解，如下。该算法主要考虑了周期性，假定周期性前向和后向差距不大，derltaM是前向减去后向，最大值就是突变点了。

图片工具-颜色-设置透明色，将boxplot的背景删除。接下来绘制一个长方形，置于图片底层，右键设置格式。使用base R而非ggplot，baseR对于细节的把控更强一些。今天“复现”这张图片，来自IPCC AR6。接下来将图片导出到PPT。填充与线条-渐变光圈。

可以参考Rmarkdown官方文档：当您运行时render，R Markdown 将 .Rmd 文件提供给，后者执行所有代码块并创建一个新的 markdown (.md) 文档，其中包含代码及其输出。knitr 生成的 markdown 文件然后由 pandoc 处理，负责创建完成的格式。这听起来可能很复杂，但是 R Markdown 通过将上述所有处理封装到一个render函数中，使它变得非常简单。

中文LaTeX文档并非难题。当然这句话得站在巨人 CTeX 的肩膀上才能说，它让我们只需要一句。上述问题比较好解决。最后preview一下，效果不错。做好这些之后，R语言再安装一个必须的包。打开Miktex管理器，先检查更新吧。就轻松搞定中文LaTeX排版问题。做好之后，就很容易了。

现在的图看上去还行，但需要修改的地方还有很多。ggplot默认的颜色有点烂大街，需要手动调色。添加拟合（smooth）、图片标题（ggtitle/ also labs）、轴标题（labs）、注释（annotate）；最后调整图的细节，代码一经写好直接套用，字体字号全都修改好，直接在论文中使用，免得去AI手动修改。花上面那张图，只需要两行代码就行了，这就是图层语言。优化后的图基本符合科研论文的绘图要求和出版规范，无论在美观程度 上还是格式等等。对比一下最初的图和优化后的结果。对比一下最初的图和优化后的结果。

直接上代码，原理可以看这个文章。由于需要绘制两个轴，设置xaxt和yaxt是为了不显示坐标轴内容，再用mtext手动添加。side是文字的位置（上下左右，4是右面）如图所示，derltaM取极值的时候认为发生了突变。我把原理稍微画了个图方便理解，如下。该算法主要考虑了周期性，假定周期性前向和后向差距不大，derltaM是前向减去后向，最大值就是突变点了。