前言

之前曾经介绍过一点台风的内容，包括台风的路径可视化等，此外在之前也曾介绍过极值分析的一些内容，在这里，我们对台风做了进一步的统计分析，分别用泊松分布和广义帕累托分布拟合了台风的年发生次数和巅峰强度。

1

%matplotlib inline

前言

这个测试，是我在参加公司组织的、由美国管理协会（American Management，AMA）老师担纲授课的课程中提供的测试，主要用对人的行为风格有一个粗略的判断，以提高沟通的效率和效果。需要注意，这只是一个简易版测试，其测试结果仅供参考，即使是完整版的测试，也是如此。

简介

流量预警：本篇文章需要加载数据，大概需要30MB！

前言

在plotly里自带Maps相关的模块，可以用来绘制分层统计图（Choropleth map）、散点图、气泡图等，但是里面主要是美国或者的地理数据，如果想做中国的可能就不行了，所以还是会有一些限制。简单想一下，如果我们只是要画个大概的地图，有些可视化的功能，其实也不见得那么麻烦，所以这篇文章就介绍如何用plotly绘制一些基本的地图。

前言

在上一篇读书笔记之后，我继续读了《新制度经济学：一个交易费用范式》一书与产权和合约理论有关的章节，其中第四章“相对产权：合约责任”探讨了与自愿承担责任的产权转让有关的问题，介绍了几种典型的合约责任、合约责任的基本原则和合约理论。书中对三种合约理论的描述和讨论，引起了我的兴趣，让我联想到我自己的几次实习经历，其中一些制度、现象似乎可以套用合约理论作一番解释。

前言

2019年已经过了大半，然而年初立的读书笔记的Flag基本还没有动手。这半年下来，似乎离开了“数据”、“程序”、“算法”就不知道该如何说话了。想问题越来越线性化，做事情越来越简单化，写东西也变得流水账起来。

然而，猛地动起手来也不是那么容易。前一段时间整理自己的资料，但是翻到了以前写的一点点东西，感觉虽然写得一般，却比现在认真多了。经验一旦多了，就容易套路起来，倒不如再简单回去。

前言

本来这篇博客是打算分享一下如何使用 plotly制作交互式的气象地图的，但是为了寻找合适的数据资料，结果就逐渐跑偏了，最好觉得介绍一下数据资料的获取也是有必要的，所以就变成了现在这个样子。

哥白尼计划

前言

前面我们已经简单介绍了NetCDF文件以及如何用Python处理NetCDF数据。在前面的示例中，我们可以看到NetCDF经常是全球的数据，那么如果我们只希望针对其中一部分，就像剪纸一样提取特定区域或者形状的数据，该如何操作呢？这里我们就简单介绍从NetCDF中裁取特定区域的子集所使用的两个Python包：salem和regionmask。

说起剪纸，我第一反应就是动画片《狐狸打猎人》，小时候看故事书的时候并没有觉得什么，看动画片的时候就觉得有点慌了，现在回想起来都有一股寒意……

引言

之前我们简单介绍了NetCDF数据格式以及如何用Python进行简单的处理和分析。近年来，随着全球气候的变化，各类气象极端事件也大有愈演愈烈之势，例如2014-2016年就发生了记载以来最强的厄尔尼诺事件。就本文将在此基础上，介绍厄尔尼诺指数的计算和分析过程。

厄尔尼诺介绍

前言

在前面做极值分析、气象数据可视化等的时候，我们主要用的是csv格式存储数据，而在气象科学等领域中，还有一种十分重要的数据格式——NetCDF。在本篇文章里，我们将简要介绍NetCDF以及如何用Python处理NetCDF文件。

NetCDF简介

前言

以前接触过一点量化的东西，经常听人说起“回测”一类高大上的词语，总是充满着快活的空气。闻名不如见面，在这里介绍一下如何用Python进行算法交易的回溯测试。前两年量化投资火的时候，“算法交易”、“程序化交易”、“量化分析”、“高频交易”之类的词满天飞，所谓算法交易也就是采用根据算法计算的结果执行交易，而不受认为的干预。用于“算法交易”的算法五花八门，我们会简单介绍一些具有代表性的算法以及如何实现向量化回溯测试（vectorized backtesting）。

简单滑动平均