以下是基于您描述的需求提供的Python解决方案及解释： ### 解决方案 首先需要导入必要的库，如`numpy`, `pandas`, 和 `openpyxl`(用于导出Excel文件)。接下来按照步骤逐步完成任务。 #### 步骤 1: 加载 `.npz` 数据 `.npz` 文件是一种压缩格式的数据存储形式，在 Python 中可以使用 `numpy.load()` 函数加载其中的内容。假设该文件包含温度数据、纬度 (`lat`) 和经度 (`lon`) 的数组。 ```python import numpy as np import pandas as pd # 加载 .npz 格式的数据 data = np.load('sat1.npz') temp_data = data['arr_0'] # 假设温度数据为 'arr_0' lats = data['arr_1'] # 纬度信息 (例如 arr_1) lons = data['arr_2'] # 经度信息 (例如 arr_2) ``` #### 步骤 2: 创建 DataFrame 并设置行列标签 将 `temp_data` 转换为 Pandas DataFrame，并利用经纬度作为行和列索引。 ```python df_temp = pd.DataFrame(temp_data, index=lats, columns=lons) print("原始 DataFrame:") print(df_temp.head()) ``` #### 步骤 3: 导出 Excel 表格 我们可以直接通过 Pandas 将生成的 DataFrame 输出到 Excel 文件中。 ```python output_excel_path = "surface_temperature.xlsx" df_temp.to_excel(output_excel_path, sheet_name='Surface Temperature') print(f"已成功保存至 {output_excel_path}") ``` #### 步骤 4: 提取中国东部区域数据并计算均值 我们需要提取指定范围内的数据(即纬度在 [20°N, 40°N]，经度在 [110°E, 120°E])。由于可能存在缺失值(NaN)，因此需采用适当的方式处理它们。 ```python # 定义感兴趣区域 min_lat, max_lat = 20, 40 # 北纬区间 min_lon, max_lon = 110, 120 # 东经区间 # 使用 loc 进行切片操作获取目标区域数据 subset_df = df_temp.loc[(min_lat <= lats) & (lats <= max_lat), (min_lon <= lons) & (lons <= max_lon)] # 打印子集结果 print("\n中国东部地区的地表气温数据：") print(subset_df) # 计算平均值（忽略 NaN） mean_value = subset_df.mean().mean() print(f"\n中国东部地区地表气温的平均值为: {mean_value:.2f}℃") ``` --- 以上程序实现了从读取 `.npz` 数据到创建带标记的 DataFrame 再转存为 Excel 表以及进一步筛选特定地理区域数据与统计分析的功能需求。 **注意**: 实际应用时应根据实际数据结构调整对应的键名(`'arr_x'`)或字段名称等细节内容。