之前用scipy做过了二维数组的去趋势（detrend）了，就比如上次的那个sklearn里附带提到的，具体的可以去看看哈，如果有用的话。为什么要去除趋势等知识可以去搜索一下相关的资料看看。这个测试写得比较潦草，主要是下午还有课，就这样吧先，我会了，类似的相关分析，原理一样的，也很easy，但是既然如此，要不弄一个新东西，就是把周期分析展示到三维地图上来，比如这个，有意思吧，好吧，干饭接着上课了
好吧，干饭接着上课了
但是现在突然不想做这种二维数据的去趋势分析了，因为平时跟地图打交道挺多的，所以现在我想对空间上的数据做去趋势处理，那么有可能实现吗，答案是可以的
使用的数据还是老样子的那个ERSST的netcd三维数据，主要是也没啥其他的数据了哈哈哈，就将就用这个数据做一下测试了
这个nc的格式也是老样子的，（时间，纬度，经纬）这样的三维数据，很简单
要做三维格点数据的去趋势的原理，也是比较简单的，就是遍历每个格点，然后就是老方法scipy登场了
老套路，导入相关的木块并读取nc
from netCDF4 import Dataset as NetCDFFileimport matplotlib.pyplot as pltimport numpy as npfrom mpl_toolkits.basemap import Basemap
nc = NetCDFFile('D:\JupyterContent\ERSSTv5.nc')nc
提取值
lat = nc.variables['lat'][:]lon = nc.variables['lon'][:]time = nc.variables['time'][:]tmp = nc.variables['tempanomaly'][:]
绘图出来看看大概，其实这都是老套路了绘图
接下来开始遍历每个格点并做去趋势处理，遍历的就是经纬格点，这就是做这个测试的原理，很easy吧
得出结果，拿去和最开始的那个对比一下，同样是求均值，第一个是没有去除趋势均值，这一个是已经去除趋势的均值，有什么发现了嘛
