false 是不是一下子豁然开朗了，哈哈哈 3. 优雅的交汇 好了，经过上面的分析，我们首先在utils里新建一个ReadAllNcDataUtils类，代码内容如下： package roDataDemo.utils; import ucar.ma2.Array; import ucar.nc2.Attribute; import ucar.nc2.NetcdfFile; import ucar.nc2.Variable; import java.io.File; import java.io.IOException; import java.util.ArrayList; import java.util.Arrays; import java.util.List; //TODO:对文件夹里的文件类型进行过滤，因为这个工作其实挺烦的，特别是COSMIC数据文件含有较多的.符号，所以这里就不操作了。 /** * 该工具类针对FY-3C卫星的GNOS掩星数据和COSMIC数据进行数据提取 * 提示：getVariablesLists()；

.add(aDouble); } mVrsList.add(mVrs); } return mVrsList; } } 从上述代码中可以看出，COSMIC的代码和GNOS的代码99%的地方都是一样的。只是改了很少的地方。 4. 优雅的交汇 从上文中我们可以看出，重复代码实在是太多了，并且有的代码我们是为了实现功能而实现功能，一点都不优雅。这对一个程序员来说是不能忍的，那我们要如何抽取来实现代码复用？ 另外这里的代码在某些情况下也会出现一个小bug，至于是什么bug，我们先卖个关子，后面用到时，我们细讲一下。。 [x] 我们的征途是星辰大海。我就是我，我就是天！ [x] 疾风亦有龟途对本文享有版权，转载请标明原文链接，禁止复制！ [x] 欢迎访问我的个人博客网站---->夙夜星辰叹 [x] 欢迎关注我的微信公众号：

1.写在前面 1.1项目介绍 Java是一门面向对象编程语言，不仅吸收了C++语言的各种优点，还摒弃了C++里难以理解的多继承、指针等概念，因此Java语言具有功能强大和简单易用两个特征。Java语言作为静态面向对象编程语言的代表，极好地实现了面向对象理论，允许程序员以优雅的思维方式进行复杂的编程。 正因如此，Java语言被运用到各种学科和软工开发当中。 本系列文章主要分为三个部分： 第一部分：使用Java对气象数据读，存,分析 第二部分：将第一部分中存入数据库的内容，通过springboot+vue+nuxt的方法将数据可视化展示到网页端 第三部分：制作移动端App，更加方便预览。 具体包括： 对气象数据（风云，COSMIC，ECMWF，探空气球）进行读取，并存入（Excel,txt） 对数据进行绘图(matlab/python)，分析等 开发前后端分离项目，构建个人博客网站，将我们上诉步骤得到的数据，可视化图形接入博客，部署到公网，供其他人浏览。点击查看网页端 开发移动端项目，在Android(java/kotlin/flutter)端进行展示，方便在移动端预览。点击下载App

，看到这个。真的是好久了啊。😁😁😁 游戏真的是个好东西，愿我永远热爱游戏。 5.疾风亦有归途 这个暑假在家做了好几个东西，其实都还挺好的。反正我自己觉得挺好的，哈哈哈。 5.1疾风亦有龟途网站 网站包括后端，后端管理，前端门户三个部分。 后端： 后端管理： 前端门户： 暂时这里面全是测试数据，哈哈哈。这也算是第一个版本吧，看上去还是有点简陋的。后期根据需求在慢慢改。慢慢的让它动起来。毕竟个人网站这些东西，就是要搞得花里胡哨的才好玩！！！🙈🙈🙈🙈 5.2Java与气象数据的优雅交汇 这是暑假写的第二个小demo，可能写的不太好。 为啥写这个呢，因为一开始我是想着尝试用Java去处理一些掩星数据。后来发现没有python方便。不过我还是把它写完了。 功能还是不错的，支持读取风云和cosmic两种掩星数据，支持一键匹配时空特征，支持多数据读取，支持一键写入Excel表格等操作。 后续可能不会再用Java处理气象数据了，哈哈哈哈。不过这个工具类还是蛮不错的，后期可以改写成Python版本的。把一些算法写成工具类，方便后人使用，哈哈哈 5.3疾风亦有龟途移动端 这个是对网站移动端的

1.前言 1.1总体思路 最近接到一个任务，通过使用近11年的雷电数据对给定经纬度站点的雷击情况进行统计分析，并制作相应的统计图。任务很简单，需求也很简单。无非就是数据提取，筛选，计算，并画图，但是就是烦，站点很多，数据很杂，格式不统一。可以做的工具有很多，matlab，python，java，Arcgis等等。善其事，利其器。本次项目，我们使用Python（画图），用Java完成数据的处理与雷评报告的自动生成。其实python可以完成整个操作流程，但是因为一些原因，还是配合使用处理吧。下图是整个工程的流程思路。整个流程很简单。最重要的是预处理环节，涉及到各种工具类的编写。接下来我们针对每一个环节写代码。 1.2工程结构 工程的结构也比较简单。为了优雅一点。我们仍然创建一个maven工程。还是老三样，实体类，任务，以及工具类。后续如果想部署到服务器，并给出相应的Api接口，需要更改项目结构，并引入其他东西。这都是后话了，有空再搞。 2.工具类编写 工具类的使用，可以大幅优化我们的项目结构，减少代码量。完成代码的复用。 2.1距离工具类编写getDistance 为了提取站点周围2km

一图胜千言，画图的工具很多。今天我们开一个python的画图系列。第一篇我们介绍折线图的绘制。 1.折线图 1.最简单的折线图 import matplotlib.pyplot as plt import numpy as np x = np.arange(1, 11, 1) # x坐标 y = x * x # y坐标 plt.plot(x, y) # 绘制y1 plt.show() # 在编辑器里显示图片 2.添加横纵坐标名称 import matplotlib.pyplot as plt import numpy as np # 画图时尽量加上这两行，避免中文显示乱码 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False x = np.arange(1, 11, 1) # x坐标 y = x * x # y坐标 plt.plot(x, y) # 绘制y1 plt.xlabel('x轴标题') # 纵坐标轴标题 plt.ylabel('y轴标题') # 纵坐标轴标题 plt.grid() # 给背景加入网格 plt.show() # 在编辑器里显示图片 3.将坐标的刻度转换为自己想要的标签 需要创建一个和原来坐标轴刻度大小一样的数组，来一一对应。 import matplotlib.pyplot as plt import numpy as np # 画图时尽量加上这两行，避免中文显示乱码 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False x = np.arange(1, 11, 1) # x坐标 y = x * x # y坐标 plt.plot(x, y) # 绘制y1 plt.xlabel('x轴标题') # 纵坐标轴标题 plt.ylabel('y轴标题') # 纵坐标轴标题 plt.grid() # 给背景加入网格 # 更换坐标轴刻度标签 x_tag = [] for i in range(len(x)): x_tag.append(str(x[i]) + '标签') plt.xticks(x, x_tag) plt.show() # 在编辑器里显示图片 4.设置坐标轴范围 我们有时需要指定坐标轴的范围。 import matplotlib.pyplot as plt import numpy as np # 画图时尽量加上这两行，避免中文显示乱码 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False x = np.arange(1, 11, 1) # x坐标 y = x * x # y坐标 plt.plot(x, y) # 绘制y1 plt.xlabel('x轴标题') # 纵坐标轴标题 plt.ylabel('y轴标题') # 纵坐标轴标题 plt.xlim(0, 11) # x轴坐标范围 plt.ylim(0, 200) # y轴坐标范围 plt.grid() # 给背景加入网格 # 更换坐标轴刻度标签 x_tag = [] for i in range(len(x)): x_tag.append(str(x[i]) + '标签') plt.xticks(x, x_tag) plt.show() # 在编辑器里显示图片 5.再添加一条曲线 import matplotlib.pyplot as plt import numpy as np # 画图时尽量加上这两行，避免中文显示乱码 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False x = np.arange(1, 11, 1) # x坐标 y = x * x # y坐标 plt.plot(x, y) # 绘制第一条曲线 plt.plot(x, x*y) # 再叠加一副图像 plt.xlabel('x轴标题') # 纵坐标轴标题 plt.ylabel('y轴标题') # 纵坐标轴标题 plt.xlim(0, 11) # x轴坐标范围 plt.ylim(0, 200) # y轴坐标范围 plt.grid() # 给背景加入网格 # 更换坐标轴刻度标签 x_tag = [] for i in range(len(x)): x_tag.append(str(x[i]) + '标签') plt.xticks(x, x_tag) plt.show() # 在编辑器里显示图片 6.美化图像 import matplotlib.pyplot as plt import numpy as np # 画图时尽量加上这两行，避免中文显示乱码 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False x = np.arange(1, 11, 1) # x坐标 y = x * x # y坐标 # c表示颜色,marker表示标记形状，linewidth表示线宽，markersize表示标记的大小 plt.plot(x, y, color='red', marker='s', label='Y1', linewidth=2, markersize=12) # 绘制第一条曲线 plt.plot(x, x * y, color='g', marker='o', label='Y2', linewidth=2, markersize=12) # 再叠加一副图像 plt.xlabel('x轴标题') # 纵坐标轴标题 plt.ylabel('y轴标题') # 纵坐标轴标题 plt.xlim(0, 11) # x轴坐标范围 plt.ylim(0, 200) # y轴坐标范围 plt.grid() # 给背景加入网格 # 更换坐标轴刻度标签 x_tag = [] for i in range(len(x)): x_tag.append(str(x[i]) + '标签') plt.xticks(x, x_tag) plt.show() # 在编辑器里显示图片 7.显示图例 只用加入plt.legend() # 图例即可 import matplotlib.pyplot as plt import numpy as np # 画图时尽量加上这两行，避免中文显示乱码 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False x = np.arange(1, 11, 1) # x坐标 y = x * x # y坐标 # c表示颜色,marker表示标记 plt.plot(x, y, color='red', marker='s', label='Y1', linewidth=2, markersize=12) # 绘制第一条曲线 plt.plot(x, x * y, color='g', marker='o', label='Y2', linewidth=2, markersize=12) # 再叠加一副图像 plt.xlabel('x轴标题') # 纵坐标轴标题 plt.ylabel('y轴标题') # 纵坐标轴标题 plt.legend() # 图例 plt.xlim(0, 11) # x轴坐标范围 plt.ylim(0, 200) # y轴坐标范围 plt.grid() # 给背景加入网格 # 更换坐标轴刻度标签 x_tag = [] for i in range(len(x)): x_tag.append(str(x[i]) + '标签') plt.xticks(x, x_tag) plt.show() # 在编辑器里显示图片 8.修改字体 import matplotlib.pyplot as plt import numpy as np # 画图时尽量加上这两行，避免中文显示乱码 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False x = np.arange(1, 11, 1) # x坐标 y = x * x # y坐标 # c表示颜色,marker表示标记 plt.plot(x, y, color='red', marker='s', label='Y1', linewidth=2, markersize=12) # 绘制第一条曲线 plt.plot(x, x * y, color='g', marker='o', label='Y2', linewidth=2, markersize=12) # 再叠加一副图像 # 定义一个字典类型 font = {'fontsize': '20'} plt.xlabel('x轴标题', font) # 纵坐标轴标题 plt.ylabel('y轴标题',font) # 纵坐标轴标题 plt.legend(fontsize=20) # 图例 plt.xlim(0, 11) # x轴坐标范围 plt.ylim(0, 200) # y轴坐标范围 plt.grid() # 给背景加入网格 # 更换坐标轴刻度标签 x_tag = [] for i in range(len(x)): x_tag.append(str(x[i]) + '标签') # 修改坐标轴刻度字体大小 plt.xticks(x, x_tag, fontsize=10) plt.show() # 在编辑器里显示图片 9.图片的保存 plt.savefig('保存图形名字', bbox_inches='tight') #加上这一句bbox_inches='tight'，可以让保存的图形没有白色的边框。也可选择不加