Задача понятна: нарисовать розу ветров для декабря 2025 года в Воронеже. Прямо сейчас я не могу за вас подтянуть реальные данные за этот период и нарисовать точный график без источника данных. Но могу дать подробный план и готовый рабочий код, который вы можете запустить на своём компьютере и получить точную розу ветров по данным за декабрь 2025 года. Также можно использовать фиктивные данные как учебный пример. Что такое роза ветров и как её трактовать - Роза ветров показывает, как часто и с какой скоростью дует ветер из разных направлений за фиксированный период. - Обычно роза строится по направлениям (например, 16 направлений: N, NNE, NE, ENE, …, NNW) и диапазонам скоростей ветра (например, 5–6 уровней скорости: 0–2 м/с, 2–4 м/с, 4–6 м/с, 6–9 м/с, >9 м/с). - График помогает увидеть: какие направления преобладают, где чаще сильный ветер, и т.д. Пошаговый план для декaбря 2025 года в Воронеже 1) Соберите данные - Источник: российские или международные метеорологические базы (например, Meteostat, Росгидромет, локальные гидрометпункты). Для удобства можно использовать Meteostat: - координаты Воронежа: примерно 51.67°N, 39.18°E - период: декабрь 2025 (2025-12-01 до 2025-12-31) - поля: направление ветра (direction/degrees) и скорость ветра (speed) - Формат: CSV или DataFrame с колонками direction (угол ветра в градусах от севера) и speed (м/c). 2) Предобработка данных - Удалите пропуски. - Приведите направления к диапазону [0, 360) градусов. - При необходимости агрегируйте данные до желаемого уровня: часов, получасов, или остаться с часами. 3) Разбейте данные на направления и скорости - Направления: возьмите 16 направлений (N, NNE, NE, ENE, E, etc.) или 8 направлений. - Скорости: используйте 4–5 классов скорости (например): - 0–2 м/с - 2–4 м/с - 4–6 м/с - 6–9 м/с - >9 м/с - Посчитайте долю наблюдений в каждой сочетательной паре (направление-сила ветра). 4) Построение розы ветров - Лучшая опция: библиотека windrose (WindroseAxes) вместе с Matplotlib. - Альтернатива: построить собственную полярную диаграмму в Matplotlib, если windrose недоступна. 5) Интерпретация - Определите ведущие направления и диапазоны скоростей. - Сравните доли по направлениям и сильные ветры отдельно. Готовый пример кода (Python) для построения розы ветров Что нужно установить: - Python 3.x - Библиотеки: pandas, numpy, matplotlib, meteostat (для загрузки реальных данных), windrose (или использовать альтернативу без windrose) Установите через pip: pip install pandas numpy matplotlib meteostat windrose Пример кода с пояснениями: - Этот код покажет, как получить данные за декабрь 2025 для Воронежа, подготовить их и построить розу ветров. Замените данные источником по желанию, если используете другой источник. from datetime import datetime import pandas as pd import numpy as np import matplotlib.pyplot as plt # Вариант 1: получение данных через Meteostat (если у вас есть интернет и установлен meteostat) # from meteostat import Point, Hourly # Voronezh coordinates lat, lon = 51.67, 39.18 start = datetime(2025, 12, 1) end = datetime(2025, 12, 31, 23, 59) # точка Воронежа # voronezh = Point(lat, lon) # data = Hourly(voronezh, start, end) # df = data.fetch() # Вариант 2: если у вас уже есть CSV с колонками 'direction' (deg) и 'speed' (m/s) # df = pd.read_csv('voronezh_wind_dec2025.csv') # пример входного файла # Объединяем данные (псевдоданные, если реальных нет — замените на реальные) # Здесь дам пример структуры, чтобы код был рабочим при наличии данных: # df должен иметь столбцы: 'direction' (угол ветра в градусах 0-360) и 'speed' (м/с) # Пример рабочей части кода с фиктивными данными (для учебного примера) # Удалим этот блок, если подгружаете реальные данные # ----------------- Учебный пример с фиктивными данными ----------------- np.random.seed(0) n = 1000 df = pd.DataFrame({ 'direction': np.random.uniform(0, 360, n), 'speed': np.random.exponential(scale=3.0, size=n) }) # ------------------------------------------------------------------------- # Обрезать скорости до разумного максимума (например, 25 м/с) df['speed'] = df['speed'].clip(0, 25) # Опционально: категоризируем скорость в 5 классов bins = [0, 2, 4, 6, 9, 25] # м/с labels = ['0–2', '2–4', '4–6', '6–9', '>9'] df['speed_bin'] = pd.cut(df['speed'], bins=bins, labels=labels, right=False) # Нормирование к долям по каждому направлению (не обязательно, можно показывать raw counts) # Для демонстрации используем объем наблюдений в каждой пара direction x speed_bin # Преобразуем направления в дискретные направления (16 сегментов) directions = np.arange(0, 360, 360/16) # границы для 16 направлений # Мы будем агрегировать по направлениям через центр каждого сектора def direction_to_sector(angle_deg, sectors=16): sector = int(np.floor(angle_deg / (360.0/sectors))) sector = sector % sectors return sector df['sector'] = df['direction'].apply(lambda d: direction_to_sector(d, sectors=16)) # Посчитать частоты по сектору и скорости hist_table = pd.crosstab(df['sector'], df['speed_bin'], normalize='index') # доли по секторам # Для удобства можно вывести таблицу print("Доля наблюдений по сектору направления и по классу скорости:") print(hist_table) # Построение розы ветров с использованием windrose try: from windrose import WindroseAxes import matplotlib.pyplot as plt fig = plt.figure(figsize=(8, 8)) ax = WindroseAxes(fig, [0.1, 0.1, 0.8, 0.8]) fig.add_axes(ax) # bar: direction в градусах, speed в м/с # Чтобы учесть скорости по классам, можно сделать несколько слоев/слоями # Здесь простая версия: один набор скоростей ax.bar(df['direction'], df['speed'], normed=True, opening=0.8, edgecolor='white', bins=bins) # bins задаёт границы скорости ax.set_title('Роза ветров. Воронеж, декабрь 2025 (фиктивные данные)') ax.legend(labels, title="Скорость", loc="lower left", bbox_to_anchor=(1.05, 0.5)) plt.show() except Exception as e: print("Модуль windrose не установлен или произошла ошибка:", e) print("Установите windrose: pip install windrose") # Альтернатива: можно построить полярную диаграмму вручную без windrose # Примечание: # - Если вы получите реальные данные за декабрь 2025, просто замените секцию фиктивных данных на df, считанный из вашего источника. # - В продаже может быть другая структура колонок: иногда WDIR и WSPD, иногда 'direction' и 'speed'. Подстроить под ваш набор. Как получить реальные данные за декабрь 2025 (коротко) - Meteostat (официальная Python-библиотека): - Найдите координаты Воронежа: ~51.67 N, 39.18 E. - Выберите период 2025-12-01 до 2025-12-31. - Извлеките столбцы направления ветра и скорости. - Другие источники: - Росгидромет, локальные метеостанции Воронежа (потребуется доступ к API или выгрузке). - Open data порталы, CSV-архивы за декабрь 2025 года. Как интерпретировать результат - Главные направления: направления с наибольшей долей ветра — укажут, откуда дует ветер чаще всего. - Сильный ветер: сектора скоростей > 6–9 м/с и > 9 м/с показывают условия с более интенсивным ветром. - В зависимости от задачи (строительство, безопасность, аэродромы и т. п.) можно дополнительно анализировать влияние ветра на конкретные локации. Что я могу сделать прямо сейчас - Я могу адаптировать код под ваш источник данных: если вы пришлёте CSV/таблицу с колонками direction и speed, я скорректирую скрипт и дам точный код под ваши данные. - Могу сгенерировать учебный пример на основе фиктивных данных (как выше) и показать, как будет выглядеть роза ветров на практике. Сообщите, какой вариант вам удобнее: - получить инструкцию и код под реальные данные (я помогу адаптировать под ваш источник и названия колонок); - или выполнить учебный пример на фиктивных данных и увидеть, как выглядит итоговая роза ветров.