用xarray建立的衍生气候变量。
xclim的Python项目详细描述
图片：：u static/u images/xclim-logo.png ：对齐：居中 ：target:_static/_images/xclim-logo.png ：alt:xclim
图片：https://img.shields.io/pypi/v/xclim.svg ：对齐：居中 ：目标：https://pypi.python.org/pypi/xclim" rel="nofollow">https://pypi.python.org/pypi/xclim ：alt:python包索引生成
图片：https://img.shields.io/conda/vn/conda forge/xclim.svg ：对齐：居中 ：目标：https://anaconda.org/conda-forge/xclim" rel="nofollow">https://anaconda.org/conda forge/xclim ：alt:conda forge生成版本
|制作工作服编码因子Zenodo黑色
- 文件：文件
- 与我们聊天：gitter
xclim是计算气候指数的函数库。它使用xarray构建，可以从dask提供的并行处理中获益。它的目标是尽可能简化用户从大型气候数据集计算指数的过程，并使科学家用很少的样板编写新的指数。
例如，下面将从日平均温度计算月平均温度：
代码块：：python
导入XCLIM 将xarray导入为xr ds=xr.open_数据集（文件名） tg=xclim.icclim.tg（ds.tas，freq='ys'）
对于元数据和缺少的值对于纠正错误非常重要的应用程序，xclim还为每个索引提供一个类，用于验证输入、检查缺少的值、转换单位并将元数据属性分配给输出。这为用户提供了一种根据自己的规格和偏好自定义索引的机制。
xclim目前仍在积极开发中，但已接近生产就绪。我们目前正在接近一个发布候选（截至2019年第二季度）。如果您有兴趣参与开发，请在"问题跟踪者"上留言。
- 免费软件：许可证
学分
由于加拿大气候服务中心的贡献，这项工作成为可能。
这个包是用cookiecutter和audreyr/cookiecutter pypackage项目模板创建的。
_ Cookiecutter:https://github.com/audreyr/Cookiecutter" rel="nofollow">https://github.com/audreyr/Cookiecutter
…_audreyr/cookiecutter pypackage：https://github.com/audreyr/cookiecutter pypackage
| gitter图片：https://badges.gitter.im/ouranosinc/xclim.svg ：目标：https://gitter.im/ouranosinc/xclim？utm_source=徽章和utm_medium=徽章和utm_campaign=公关徽章 ：alt:gitter聊天
|构建图像：https://img.shields.io/travis/ouranosinc/xclim.svg ：目标：https://travis-ci.org/ouranosinc/xclim" rel="nofollow">https://travis ci.org/ouranosinc/xclim ：alt:build状态
|工作服图片：https://coveralls.io/repos/github/ouranosinc/xclim/badge.svg ：目标：https://coveralls.io/github/ouranosinc/xclim" rel="nofollow">https://coveralls.io/github/ouranosinc/xclim ：alt:工作服
| codefactor图片：https://www.codefactor.io/repository/github/ouranosinc/xclim/badge ：目标：https://www.codefactor.io/repository/github/ouranosinc/xclim ：alt:codefactor
|文档图片：https://readthedocs.org/projects/xclim/badge ：目标：https://xclim.readthedocs.io/en/latest" rel="nofollow">https://xclim.readthedocs.io/en/latest ：alt:文档状态
| Zenodo图片：https://zenodo.org/badge/142608764.svg ：目标：https://zenodo.org/badge/latestdoi/142608764" rel="nofollow">https://zenodo.org/badge/latestdoi/142608764 ：alt:doi
|许可证图片：https://img.shields.io/github/license/ouranosinc/xclim.svg ：目标：https://github.com/ouranosinc/xclim/blob/master/license" rel="nofollow">https://github.com/ouranosinc/xclim/blob/master/license ：alt:license
|黑色图像：https://img.shields.io/badge/code%20style-black-000000.svg ：目标：https://github.com/python/black rel="nofollow">https://github.com/python/black ：alt:python黑色
< H1> 历史0.10.x-β（2019-06-18）
- 向icclim模块添加索引
- 添加索引
days_over_precip_thresh和fraction_over_precip_thresh - 迁移到
major.minor.patch release语义版本控制系统。 - 从不在cf惯例中的指标中删除netcdf输出中的属性。
- 添加了
fit指示符，使分布的参数与序列相匹配。 - 在文档中添加了集成、运行长度和子集算法的实用程序。
- 源代码开发标准现在实现了python黑色格式。
- 预提交现在用于启动本地开发的代码格式化检查。
- 文档现在包括更详细的用法和一个示例工作流笔记本。
- 开发构建配置现在可以通过anaconda和pip安装方法获得。
- 修改create_ensembles（）以允许创建没有时间维度的集成数据集以及来自xr.datasets的集成数据集
- 修改create ensembles（）以在时间维度不相等时用nans填充输入数据
- 更新了subset_gridpoint（）和subset_bbox（），以便在"lon"和"lat"维度存在时使用.sel方法。
- 添加了azure管道以在Microsoft Windows环境中自动生成xclim
- 现在采用PEP8+黑色兼容自动格式化。
0.10-β（2019-06-06）
- 放弃了对Python2的支持。
- 增加了对一年中期间在
检查中进行子设置的支持。缺少任何 - 现在允许在用负经度对数据进行子集设置时传递正经度值。
- 通过
ufunc_1dim标志改进了小网格数组的运行长度计算。
0.9-β（2019-05-13）
这是发行版的一个重大飞跃。已经做了许多修改，并将在未来几天添加到文档中。在众多变化中：
- 新的索引已添加了文档和调用示例
- 已优化基于运行长度的操作
- 支持cf非标准日历
- 通过PINT库自动/改进单元转换和管理
- 添加了用于创建和分析多模型气候集合的集合实用程序
- 为xarray数据对象的时空子集添加了子集实用程序
- 增加了流量指标
- 代码重构：将index.py分离到包含子文件（简单、阈值和多变量）的目录中；将集成和子集实用程序分离为distinct模块（从utils.py中提取）
- 指标现在被分成由领域命名的包。导入xclim.atmos以加载与大气变量相关的指示器。
0.8-β（2019-02-11）
这是一个临时版本，在功能上与0.7-beta版完全相同
主要变化： 基于类的指标是一种新方法，它允许通过错误检查进行索引计算，并为传递给它们的符合cf（和类似于cf）的数据提供动态元数据检查。当写入netcdf时，这些指标的输出将基于指标、阈值、移动窗口长度和检查的时间段/重采样频率附加适当的元数据。 欢迎加入QQ群-->： 979659372
0.7-β（2019-02-05）
0.6-α（2018-10-03）
0.5-α（2018-09-26）
0.4-α（2018-09-14）
0.3-α（2018-09-4）
0.2-α（2018-08-27）
0.1.0-dev（2018-08-23）
推荐PyPI第三方库
