前几个月，1909号台风‘利奇马’给我国东部带来较为严重的风雨影响。之后，‘白鹿’、‘杨柳’、‘剑鱼’先后影响我国华南，选择北漂的‘玲玲’则直奔东北而去。
台风生成源地广袤，在不同的海-气背景条件下，每个台风的路径及强度变化各不相同，仅仅依靠个例分析难以勾勒出台风群体的气候特点。
好在我国台风数据收集起步较早，数据完整，内容丰富。本篇笔者将通过分析带大家初步认识西太平洋台风（下文简称西太台风）的总体面貌。
一、数据介绍
中国气象局热带气旋资料中心
台风最佳路径数据集。
包含1949以来年西北太平洋
（含南海，赤道以北，东经180°以西）
海域热带气旋每6小时的位置和强度。
一年一个文件，逐年增加，
（详见tcdata.typhoon.org.cn，
doi: 10.1175/JTECH-D-12-00119.1）
由于2017年后对登陆台风施行加密观测，
为了
数据处理方便
偷懒，
笔者所用数据的时间段为 1949年至2016年 。
最佳路径数据集以文本形式保存，
由 头记录 和 数据记录 组成，
（格式如下，上文网页中有具体说明）。
利用头记录标识符'66666'，
将其与数据记录进行区分，
分别存放在两个DataFrame中，
头记录共2291行，对应台风个数；
数据记录则有66223行。
（处理代码如下）。
import pandas as pd
import numpy as np
year=range(1949,2017)
data1=[]；data2=[]
for y in year:
print(y)
f=open('E:/Data/typhoon/CMABSTdata/CH'+str(y)+'BST.txt', 'r')
templine=f.readlines()
for i in range(len(templine)):
if templine[i].replace('\n',' ').split()[0]=='66666':
tempdata=templine[i].replace('\n',' ').split()
tempdata.insert(0,y)
data1.append(tempdata)
if templine[i].replace('\n',' ').split()[0]!='66666':
tempdata2=templine[i].replace('\n',' ').split()
tempdata2.insert(0,y)
tempdata2.insert(1,tempdata[4])
data2.append(tempdata2)
data1=pd.DataFrame(data1)；data2=pd.DataFrame(data2)
二、数据分析
答案是全年都会有哦！
提取数据记录中的日期条目，
发现夏末初秋是台风最为活跃的季节，
在寒冷的冬季也有台风生成，只是数量少很多。
一年中西太台风生成数在 20-40 个左右。
根据头记录中路径数据的行数，
以及6小时的观测间隔，
求得以天为单位的台风生命周期。
将所有台风的生命周期画在频数分布图上，
可知多数台风生命周期为 3-10 天，
长的可达2周。
通过生命周期和其生成位置的散点图可知，
生命周期 长 的台风多在 130°E以东 洋面上生成，
而生命周期较 短 的一般在 130°E以西 ，
尤其是南海地区更为明显。
知识点
，
由于台风受自身结构和副热带高压外围气流的影响，西太台风一般生成后向偏西方向移动，生成点离大陆越远在移动的过程中越有机会从下垫面洋面补充能量以维持其强度，而离大陆较近地区生成的台风，在生成后不久便将登陆，出于地形磨损及与其他天气系统相互作用等原因，其能量将很快消耗殆尽。
通过相间隔数据记录中的经纬度坐标，
求得每6小时移动的 标量 速度。
通过其频数分布可知，
台风一般的移动速度大概在 15 公里/小时左右，
快的甚至可达30-40公里/小时。
奇怪的是分布右侧有长尾出现，
移动速度可达60-80公里/小时，
这又是怎么回事呢?
老办法，将移动速度和位置相关联，
发现移速较 快 的区域集中在 日本以东洋面 。
记忆中这块地区似乎有急流，笔者迅速绘制了当时500hPa纬向风风速分布
。 果不其然，由于
西风急流
的存在 ，在其强大的引导气流下（换算后，急流最大风速超过70Km/h），台风必然快马加鞭。
另外与之相巧合的是，
台风完成 变性 的地点也多在该区域附近。
前文分析中提到，
热带气旋在移动过程中可以从洋面吸收能量，
以补充位移产生的消耗。
当能量补充大于消耗时，
便有利于其进一步发展。
数据的可视化也证实，
当台风经过 台湾、菲律宾以东洋面 时，
中心最低气压较低，更有可能发展 加强 。
台风气候涉及内容广泛，本篇通过大数据分析带读者对西太台风的气候特征略知一二。后期有好的可视化效果再和大家分享年代际变化等方面更深入的分析。
阿里云双十一返场继续，
拼着买，更便宜！
▼ 长按扫描下方二维码 ▼
新老用户同享99元/年，
一起拼团更优惠！
↓ ↓ 长按扫码进入 ↓ ↓
【Python中文社区专属拼团码】