这个例子演示如何计算水平格点数据的纬向平均偏差，参考了NCL网站上的例子：http://www.ncl.ucar.edu/Applications/dev.shtml 。mean函数可以做不同维的平均。程序中ts是水平二维数组（经纬度格点场，64*128），zm = mean(ts, axis=1) 获得纬向平均一维数组（64），ts和zm的维数不同，直接相减必须符合数组的broadcasting规则，也就是从后往前，两个数组的维相同或者其中一个为1。显然目前是不符合的，可以对zm reshape，获得二维数组（64*1），这样ts和zm数组就符合broadcasting规则了，可以直接相减。也可以用broadcast_to函数将zm扩展为和ts一样的shape，然后再相减。

关于数组broadcasting的内容可以参考这里：https://docs.scipy.org/doc/numpy/user/basics.broadcasting.html 。

fn = 'D:/Temp/nc/83.nc'

f = addfile(fn)

ts = f['TS'][0,:,:]

#calculate deviation from zonal mean

zm = mean(ts, axis=1)

zm = zm.reshape(len(zm), 1)

#zm = broadcast_to(zm, (ts.shape[0], ts.shape[1]))

nts = ts - zm

#Plot

lworld = shaperead('D:/temp/map/country1.shp')

subplot(2,1,1)

axesm(newaxes=False)

geoshow(lworld, edgecolor='b')

levs = arange(240, 301, 5)

layer = contourm(ts, levs, color='k')

clabel(layer)

title('Origin data')

subplot(2,1,2)

axesm(newaxes=False)

geoshow(lworld.clone(), edecolor='k')

levs = arange(-35, 36, 5)

layer = contourfm(nts, levs, edgecolor='gray')

colorbar(layer)

title('Deviation from zonal average')