Python语言在物探数据清洗中的探索

发布时间：2021-10-25 03:48

　　从物探数据采集到最终处理结果的可视化过程中,数据前期准备是极为重要的一环,需花费大量时间和精力。以洁净数据概念为基础,结合常见的物探测量数据特点,归纳总结了不洁净数据（集）常见类型,剖析了洁净数据与不洁净数据间内在关系,对物探数据（集）构建原则进行了初建。利用当今最为流行的科学计算语言Python,对常见数据清洗方法进行了列举。通过Python实例代码,展示了Pandas、Numpy、Spicy和Matplotlib等第三方库的强大功能,表明了规范的数据（集）结构配以Python语言可达到数据快速清洗的目的,从而大大节省数据预处理时间,为后续数据处理和资料解释提借鉴。 

【文章来源】：物探化探计算技术. 2020,42(06)

【文章页数】：9 页

【部分图文】：

磁日变曲线(Matplotlib生成)

表7 某地区航放早晚基线测试256道谱数据(部分)Tab.7 256 channel spectral data at before and after survey of airborne gamma ray spectrometry in a region (part) LINE FN Gps_L Gps_B … D000 … D005 D006 … D255 … Time Date 005 280 130.2223 46.78467 0 319 403 64 11:23:10 2009/1/14 005 290 130.2232 46.78481 0 290 367 34 11:23:11 2009/1/14 005 300 130.224 46.78495 0 275 375 44 11:23:12 2009/1/14 005 310 130.2249 46.78509 0 306 341 48 11:23:13 2009/1/14 … 006 120600 130.2808 46.79296 0 289 367 45 15:52:53 2009/1/14 006 120610 130.28 46.79284 0 278 330 49 15:52:54 2009/1/14 006 120620 130.2792 46.79273 0 304 349 49 15:52:55 2009/1/14 006 120630 130.2784 46.79261 0 274 366 32 15:52:56 2009/1/14 …… 005代表早基线，006代表晚基线；原数据共534列，包含线号、位置、高度、上测、下测、测量时间等数据，由于版面限制，大多数据列未列出4 Python在数据清洗中的应用


本文编号：3456589