如何在Python中复现Excel SLOPE函数 计算风切变指数并新增DataFrame列

风切变指数的计算逻辑你已经很清楚了：对高度对数和风速对数做线性回归，返回的斜率就是目标值，和ExcelSLOPE函数的计算逻辑完全一致，以下是适配你的需求的可直接运行的实现：

前置依赖 #

需要用到pandas、numpy，线性回归可以选scipy.stats.linregress（可读性更高）或原生numpy.polyfit（不需要额外安装scipy），结果完全等价。

实现步骤 #

首先预设固定高度的对数数组，因为高度是固定值不需要重复计算：

import numpy as np
import pandas as pd
from scipy.stats import linregress

# 高度顺序和你df中的风速列顺序一一对应
heights = [40, 60, 80]
ln_height = np.log(heights)

定义逐行计算风切变的函数，替换函数内的列名为你df中实际的风速列名即可：

def get_shear_index(row):
    # 提取当前行三个高度的风速，取对数
    ln_ws = np.log([row['ws_40m'], row['ws_60m'], row['ws_80m']])
    # 线性回归取斜率作为风切变指数
    return linregress(ln_height, ln_ws).slope

# 若不想使用scipy，可替换为numpy.polyfit实现，结果一致：
# def get_shear_index(row):
#     ln_ws = np.log([row['ws_40m'], row['ws_60m'], row['ws_80m']])
#     return np.polyfit(ln_height, ln_ws, deg=1)[0]

对df逐行应用函数，新增结果列：

df['shear_index'] = df.apply(get_shear_index, axis=1)

注意事项 #

• 若风速存在0值或负值，取对数会得到NaN，最终计算结果也会为NaN，属于正常逻辑
• 计算逻辑和ExcelSLOPE(ln_ws序列, ln_h序列)的输出完全一致，不需要额外校准

内容的提问来源于stack exchange，提问作者gigWindcat