【python海洋专题十六】对大陆周边的数据进行临近插值

前几期内容

画温度、盐度的年平均和季节平均的平面分布图，
对于IAP粗分辨率数据进行处理得到的图像，大陆周围都没有数值。

没能呈现较为漂亮的图像。
甚至是老师或者编辑要求大陆周围不能有空白，

又不想对数据进行全部的分辨率更细的插值。

此时，使用周围临近的数据点代替是个简便、快捷的方法。

本期内容

对周围大陆的数据进行临近插值。
本期有两个版本的临近插值。
因为对版本一不是很满意。

Part01.
插值前的图像
盐度图

温度图

Part02.
临近插值版本一
盐度图

温度图

Part02.
临近插值版本二
盐度图

温度图

Part05.
思想
版本一：

for ii in range(1, 26, 1):
  for jj in range(1, 25, 1):
      if np.isnan(sal_year_mean[ii, jj]):
          if not np.isnan(sal_year_mean[ii + 1, jj]):
              sal_year_mean[ii, jj] = sal_year_mean[ii + 1, jj]
          if not np.isnan(sal_year_mean[ii, jj + 1]):
              sal_year_mean[ii, jj] = sal_year_mean[ii, jj + 1]
          if not np.isnan(sal_year_mean[ii - 1, jj]):
              sal_year_mean[ii, jj] = sal_year_mean[ii - 1, jj]
          if not np.isnan(sal_year_mean[ii, jj - 1]):
              sal_year_mean[ii, jj] = sal_year_mean[ii, jj - 1]

版本二：

for ii in range(1, 28, 1):
  for jj in range(1, 27, 1):
      if np.isnan(sal_year_mean[ii, jj]):
          if not np.isnan(sal_year_mean[ii + 1, jj]) & np.isnan(sal_year_mean[ii, jj + 1]) & np.isnan(sal_year_mean[ii - 1, jj]) & np.isnan(sal_year_mean[ii, jj - 1]):
              sal_year_mean[ii, jj] = (sal_year_mean[ii + 1, jj] + sal_year_mean[ii, jj + 1] + sal_year_mean[ii - 1, jj] + (sal_year_mean[ii, jj - 1])) / 4
          if not np.isnan(sal_year_mean[ii, jj + 1]) & np.isnan(sal_year_mean[ii - 1, jj]) & np.isnan(sal_year_mean[ii, jj - 1]):
              sal_year_mean[ii, jj] = (sal_year_mean[ii, jj + 1] + sal_year_mean[ii - 1, jj] +(sal_year_mean[ii, jj - 1])) / 3
          if not np.isnan(sal_year_mean[ii + 1, jj]) & np.isnan(sal_year_mean[ii - 1, jj]) & np.isnan(sal_year_mean[ii, jj - 1]):
              sal_year_mean[ii, jj] = (sal_year_mean[ii + 1, jj] + sal_year_mean[ii - 1, jj] + (sal_year_mean[ii, jj - 1])) / 3
          if not np.isnan(sal_year_mean[ii + 1, jj]) & np.isnan(sal_year_mean[ii, jj + 1]) & np.isnan(sal_year_mean[ii, jj - 1]):
              sal_year_mean[ii, jj] = (sal_year_mean[ii + 1, jj] + sal_year_mean[ii, jj + 1] + (sal_year_mean[ii, jj - 1])) / 3
          if not np.isnan(sal_year_mean[ii + 1, jj]) & np.isnan(sal_year_mean[ii, jj + 1]) & np.isnan(sal_year_mean[ii - 1, jj]):
              sal_year_mean[ii, jj] = (sal_year_mean[ii + 1, jj] + sal_year_mean[ii, jj + 1] + sal_year_mean[ii - 1, jj]) / 3
          if not np.isnan(sal_year_mean[ii + 1, jj]) & np.isnan(sal_year_mean[ii, jj + 1]):
              sal_year_mean[ii, jj] = (sal_year_mean[ii + 1, jj] + sal_year_mean[ii, jj + 1]) / 2
          if not np.isnan(sal_year_mean[ii + 1, jj]) & np.isnan(sal_year_mean[ii, jj - 1]):
              sal_year_mean[ii, jj] = (sal_year_mean[ii + 1, jj] + (sal_year_mean[ii, jj - 1])) / 2
          if not np.isnan(sal_year_mean[ii + 1, jj]) & np.isnan(sal_year_mean[ii - 1, jj]):
              sal_year_mean[ii, jj] = (sal_year_mean[ii + 1, jj] + sal_year_mean[ii - 1, jj]) / 2
          if not np.isnan(sal_year_mean[ii, jj + 1]) & np.isnan(sal_year_mean[ii - 1, jj]):
              sal_year_mean[ii, jj] = (sal_year_mean[ii, jj + 1] + sal_year_mean[ii - 1, jj]) / 2
          if not np.isnan(sal_year_mean[ii, jj + 1]) & np.isnan(sal_year_mean[ii, jj - 1]):
              sal_year_mean[ii, jj] = (sal_year_mean[ii, jj + 1] + (sal_year_mean[ii, jj - 1])) / 2
          if not np.isnan(sal_year_mean[ii - 1, jj]) & np.isnan(sal_year_mean[ii, jj - 1]):
              sal_year_mean[ii, jj] = (sal_year_mean[ii - 1, jj] + (sal_year_mean[ii, jj - 1])) / 2
          if not np.isnan(sal_year_mean[ii + 1, jj]):
              sal_year_mean[ii, jj] = sal_year_mean[ii + 1, jj]
          if not np.isnan(sal_year_mean[ii - 1, jj]):
              sal_year_m