第2回 時系列データの解析　追加演習

第2回の解説ページでは例としてKEOの2019年1月1日から12月31日までの1日ごとのデータを用いましたが、より細かい1時間ごとデータを見てみましょう。1日ごとでは見えなかった、様々な特徴が見えてきます。

夏季のデータ

• 2018年7月15日～8月31日の1時間ごとデータ 気温、水温、風速
• 1時間ごとのデータなので、1日の中での気温水温の変動が検出できます。どのように変動していて、その変動は風の強い日・弱い日でどう異なるでしょうか。（ヒント：配列は7/15 0時からスタートしているので、airt[n*24:(n+1)*24]とすると7/15から数えてn日目の24時間が抽出できます）
• 台風が2度通過します。そのとき、気温水温はどう応答しているでしょうか。なぜそのようになるのでしょうか。
• 水温が気温より低くなるのは、どんな時でしょうか。

冬季のデータ

• 2019年1月1日～2月28日の1時間ごとデータ 気温、水温、風速
• 冬の気温水温は、夏季とどう異なるでしょうか。日変動はどう異なるでしょうか。なぜそのような違いが起こるのでしょうか。
• 冬の風の変動は、どんな周期で変動しているでしょうか。夏季とどう異なるでしょうか。
• 気温と水温の差が小さくなるのは、どんな時でしょうか。気温-水温と、風速を同じグラフに描いてみましょう。なぜそのようになるのでしょうか。（ヒント：別の単位の量を同じグラフに描くのはいいやり方ではありません。温度差を描画したのち、plt.twinx()という1行を入れて、その後風速を描画してみましょう。線の色を変えること！）

参考：データ前処理

データ前処理の例

今回使ったCSVファイルは、KEOのページから取得したデータを私が前処理・抽出して保存したものです。元々のデータはnp.loadtxtで読み込める形式ではなく、Pandasのread_fwf関数を使って読み込みました。 参考までに、私がデータ読み込み→データ確認→使用期間の抜き出し・保存を行った作業ノートブックを掲載します。 ごちゃごちゃした解析をいろいろしていて恥ずかしいノートですが、実際のところを見てもらうために公開しました。 研究の大部分は、こういった泥臭い作業の繰り返しです。

説明していない機能や技法をいろいろ使っていますが、興味があれば調べてみてください。