一朵玫瑰，装下一年的风（《风不是一个数》系列第 5 篇

作者：YaoJaro · 本文由 AI 辅助完成

《风不是一个数》系列第 5 篇。前三篇的图，最长的横轴也只有 48 小时；「这个地方一年到头怎么吹」是 8,760 个时次的问题，折线画不下。统计图的折法是把时间叠起来------**玫瑰把一年叠成一朵：风从哪来、多大、多常来，一瓣一瓣全在里面。**装配、取舍、陷阱，最后一年叠成十二朵。

一、8,760 放不进任何一张

先接上一篇结尾那句话：「把这四张图放到 8,760 个时次上。」放上去才发现------放不下。

折线最先投降：8,760 个点挤进一根横轴，是一坨。时序带只有地面一层，一年画进去，色格细成一条线。剖面只有一天：8,760 个时次是 365 个剖面，并排放不下。前三篇的图种，到这一题全部到顶。

问题出在图种，不在数据。这个问题问的不是先后，是分布------把时间这一维叠起来：8,760 个时次不分先后，按来向 × 风速档归格计数，叠成一张联合频率表；表画成花瓣，就是风玫瑰。第 1 篇预览过这朵花，现在整朵给你。

先把账摆出来。数据是 IEM 的 ASOS 逐时归档（第 1 篇同源同站同窗口）：从 2024-01-01 00:00Z 起取 365 个整日（末点不计------12 月 31 日不在内），共 8,760 行例行报文。风向缺测或报「不定」（VRB）的 232 行整行剔出，剩 8,528 行有向有速；其中静风（风速小于 1 kt）26 行、占 0.3%，单独剔出------入扇区 8,502 行。这四笔账后面每张图都要用。

这 8,502 行里藏着一根刺。全年最大风速 48.6 kt （报文按 25 m/s 编报，1 m/s ≈ 1.94 kt），出现在 2024-09-16 02:00Z，北京时上午十点。藏在哪一天？9 月 16 日------台风登陆上海的那一天。在哪一瓣里？几乎不在------那一个小时占全年 0.01%，躺在东南扇区最外档，同格还有 169 个小时，肉眼无从分辨。次高不在别处：09-16 00:00Z，46.65 kt。全年 ≥32 kt 的时次只有 9 个，8 个连成一串：15 日 20:00Z 到 16 日 03:00Z------整整一夜，一小时不缺；把 9 月拿掉，全年最大的风只有 31.1 kt，与这一夜隔着 17.5 kt。**孤岛不是那一个小时，是台风过境的那一夜。**看统计图，先记住这一句：极端 ≠ 常态，极端在统计图里没有体积------玫瑰答「通常怎么吹」，答不了「最猛那天怎么吹」。那一天怎么画，收尾会讲到；先把常态学会。

二、玫瑰装配：一瓣是一格账

玫瑰怎么读，第 1 篇第六节定过两步：先看形状（哪个扇区凸出＝主导风向），再看长度（色块长短＝各档占比），两步不能颠倒，这里不重讲。现在看装配：一朵玫瑰怎么从 8,502 行报文里长出来。

装配只有三步。第一步，每行报文出一个样本对：来向、风速。第二步，来向归扇区：22.5° 一格，全部先加 11.25° 再取整------让每格的中心对准 0°、22.5°、45°...，348.75°--11.25° 都算北，边界值归最近扇区。第三步，风速归档计数，得一张 16 × 6 的表------每格是「这个方向 × 这个档 × 多少小时」。联合频率是玫瑰的数据骨架：画图只是把表摆开------扇区摆方向、瓣内按档自内向外堆叠，色阶沿用平面场图那套风色标。

风速档的边界不是天然存在的，是参数。同一份 8,502 行，按整 2 kt 档 $2,4,6,8,10,\infty$ 切，≥10 kt 占 35.6%；换成蒲福档 $4,7,11,17,22,\infty$ ------蒲福风级（按风速分级的常用风级表）的 kt 界，≥22 kt 只占 0.8%。数据一格没动，参数动了一档，结论差出四十多倍。第 1 篇的玫瑰档勘误（标注正改回这套蒲福界）就是现成例子------看玫瑰先看图例的档：瓣按哪条线切的，图例不说清，扇区长短就没法比。

剔除账再报一遍：缺向 232、缺速 0、静风 26、入扇区 8,502------下面代码逐项打了出来。这份账不是脚注，为什么，第四节讲。

取数一条命令，第 1 篇同源同窗口（sknt 列已是 kt；取值是整数 m/s × 1.94384 的痕迹------ZSPD 按米每秒编报，第 4 篇讲过这套单位）：

bash 复制代码

curl -o iem-zspd-2024.csv "https://mesonet.agron.iastate.edu/cgi-bin/request/asos.py?station=ZSPD&data=all&year1=2024&month1=1&day1=1&year2=2024&month2=12&day2=31&tz=UTC&format=comma&latlon=yes&elev=yes&missing=M&trace=T&direct=no&report_type=3"

js 复制代码

// rose.mjs ------ 档边界是参数：同一份年报文，换一组档，玫瑰换一副面孔

import { readFileSync } from "node:fs";

  


const lines = readFileSync("./iem-zspd-2024.csv", "utf8").split("\n")

.filter((l) => l && !l.startsWith("#"));

const head = lines[0].split(",");

const iV = head.indexOf("valid"), iD = head.indexOf("drct"), iS = head.indexOf("sknt"); // iV 第三、五节用

const rows = lines.slice(1).map((l) => l.split(","));

const SECTORS = ["N","NNE","NE","ENE","E","ESE","SE","SSE","S","SSW","SW","WSW","W","WNW","NW","NNW"];

const KT = [2, 4, 6, 8, 10, Infinity]; // 本篇主口径：整 2 kt 档

  


// 扇区中心对齐：22.5° 一格，+11.25° 再取整，边界值归最近扇区（348.75°--11.25° 都算北）

const sectorOf = (d) => Math.floor((((d + 11.25) % 360) + 360) % 360 / 22.5) % 16;

const bandOf = (s, E) => { let i = 0; while (i < E.length - 1 && s >= E[i]) i++; return i; };

  


// 装配：逐时样本 → 16 扇区 × n 档联合计数；缺向整行剔、静风（<1 kt）单独剔、不进扇区

function rose(rows, E) {

const m = Array.from({ length: 16 }, () => E.map(() => 0));

let missDir = 0, missSpd = 0, calm = 0;

for (const r of rows) {

const d = r[iD], s = r[iS];

if (d === "M" || d === "") { missDir++; continue; } // 缺向（含 VRB 报文）

if (s === "M" || s === "") { missSpd++; continue; }

if (+s < 1) { calm++; continue; } // 静风：有向有速，但不属于任何扇区

m[sectorOf(+d)][bandOf(+s, E)]++;

}

return { m, missDir, missSpd, calm };

}

  


const label = (E, i) =>

i === 0 ? `<${E[0]}` : i === E.length - 1 ? `≥${E[i - 1]}` : `${E[i - 1]}--${E[i]}`;

function show(name, E) {

const { m, missDir, missSpd, calm } = rose(rows, E);

const tot = m.flat().reduce((a, b) => a + b, 0);

console.log(`${name}：缺向 ${missDir}、缺速 ${missSpd}、静风 ${calm}，入扇区 ${tot}`);

console.log(" " + E.map((_, i) =>

`${label(E, i)} kt ${(m.reduce((a, r) => a + r[i], 0) / tot * 100).toFixed(1)}%`).join(" | "));

}

  


show("整 2 kt 档 [2,4,6,8,10,∞]", KT);

show("蒲福档 [4,7,11,17,22,∞]", [4, 7, 11, 17, 22, Infinity]);

（照例交代：2024 全年已在归档里冻结，你跑出的数应与正文逐格一致；剔除账与扇区占比与第 1 篇对得上，档占比对不上------档是参数，第 1 篇切的是另一组线。这就是统计管线比实时取数踏实的地方。）

扇区数、档数、档边界，以后组件化时都是参数（sectors、bins、binEdges），缺省给行业惯例值；静风画中心圆还是披露账行，到时候也留开关。组件还没到，先用三段能跑的代码把这套规矩立住。

三、简版：把「多大」整维丢掉

玫瑰全息，但重：16 扇区 × 6 档 96 格，读一个「风主要从哪来」要跨六个色块。很多时候只要方向偏好------把速度档整维加掉，每个扇区剩一个数，这就是边际频率：第 1 篇那张矩阵按行求和就是它。全年 8,502 行收拢：N 11.07%、S 10.74%、NNW 9.27%、SE 8.70%------季风双峰还在，而且扇区占比与档无关：加掉的是档这一维，怎么切都动不了它。

画出来就是频率条，单环或条形两种形态。什么时候够用？只问「从哪来」的时候：快讯卡片、小屏、一眼扫完。代价同样清楚：逐档结构全丢，「北风多在大风档」这类读法，频率条上不存在。

第 2 篇装配场图时定过分工：色斑吃标量、方向归杆------「色斑告诉你多大，告诉不了你去哪」。频率条是同一件事的镜像：把速度这一维丢掉。任何图都是维度的取舍，统计图不豁免。

频率条与玫瑰，以后做成组件会吃同一套输入、走同一套剔除------并排摆的时候，两图的样本量披露行必须全等，不然读者对不上账。顺带把下一节要用的三档样本量一起算出来：

js 复制代码

// marginal.mjs ------ 边际频率（频率条的原料）＋样本量三档（直接接在第二节代码后面：同一文件，rose/rows/SECTORS/KT/sectorOf/bandOf/iV 沿用上文）

const { m } = rose(rows, KT);

const rowT = m.map((rw) => rw.reduce((a, b) => a + b, 0));

const tot = rowT.reduce((a, b) => a + b, 0);

rowT.map((c, i) => ({ s: SECTORS[i], c }))

.sort((a, b) => b.c - a.c).slice(0, 4)

.forEach((x) => console.log(`${x.s} ${(x.c / tot * 100).toFixed(2)}%`));

// → N 11.07%、S 10.74%、NNW 9.27%、SE 8.70%（季风双峰；扇区占比与档口径无关）

  


// 三档样本量：同一份代码，只换样本窗口------单日（抽签档）

const byDay = new Map();

for (const r of rows) {

const k = r[iV].slice(0, 10);

if (!byDay.has(k)) byDay.set(k, []);

byDay.get(k).push(r);

}

for (const k of ["2024-01-15", "2024-04-15", "2024-07-15", "2024-09-16", "2024-10-15"]) {

const rs = byDay.get(k);

const { m: mm } = rose(rs, KT);

const rw = mm.map((c) => c.reduce((a, b) => a + b, 0));

const n = rw.reduce((a, b) => a + b, 0);

const dom = rw.indexOf(Math.max(...rw));

console.log(`${k}（${rs.length} 行）：主导 ${SECTORS[dom]} ${(rw[dom] / n * 100).toFixed(1)}%`);

}

四、玫瑰什么时候会说谎

第一种场合：样本太少 。同一站同一年，窗口切三档：全年 8,502 行，N/S 双峰、形态稳定------这是常态（图 01 左边那朵就是它）；单月 700 行上下，主导扇区读得出、次级结构开始晃------勉强够形状；单日 24 行------抽签。第三节代码那五个日子，五张玫瑰五副面孔：1 月 15 日像北风站（北扇区 37.5%），7 月 15 日像南风站（南扇区 66.7%），同一块场地隔半年，看着像两个气候区。9 月 16 日更妙：24 个时次全落在东到南的半圈、20 个 ≥10 kt，在自己的小玫瑰里是绝对主角；回到全年玫瑰，这 24 个时次只占 0.28%，最猛的那一个小时更是只有 0.01%。小样本不只画得歪，还会把异常画得特别像常态。

单月不全是反面：第五节的月度阵每张 700 行上下------在「够形状」的下限上，读形状合法，读细节越界。样本量不是道德题，是分辨率题------你要答什么，决定窗口切多小。

第二种场合：把剔除读成「没有」。26 个静风小时不进任何扇区，但它们真实发生过------无风的日子不属于方向统计，不是不存在。给它们留位置，两条路：要么中心圆（有静风才画，占比进图例），要么账目披露行（n、静风、缺向、缺速四笔并排印）。第 1 篇第三节的三态在这里换个身份：玫瑰图外的账，就是那些格子的延伸。

玫瑰不撒谎，前提是你把账摊开。

五、月度玫瑰阵：一年叠成十二朵

全年一张总玫瑰答「一年到头怎么吹」，答不了「怎么变的」------年度那张图是 12 个月的平均，此消彼长全被叠平。最小的年分辨率：按月切片，12 × 16 × 6，画成 12 宫格。

主导扇区逐月换手，一条线读下来：冬（12--3 月）NNW/N → 4 月 ESE → 5--6 月 SE → 盛夏 7 月 S → 8 月回 SE → 9 月 E------全年的最大值也落在这个月 → 秋（10--11 月）N，回冬位。第 1 篇年度玫瑰上的季风双峰（N、S 对称凸出），在这里展开成一条换手时间线：北峰是冬天供的（2 月北扇区 21.0%），南峰是盛夏供的（7 月南扇区 48.2%）。9 月那张一眼异样：东风一根孤峰戳在最外档，东风也是这个月的主导扇区（当月入扇区最多的方向）；第一节那 48.6 kt 却不在东瓣，在东南瓣的最外档。月主导答「当月风多从哪来」，最大值时次的扇区答「那一小时从哪来」，两回事。为什么九月翻出这样一片东到东南的大风，也留到收尾。

十二宫格有一条统计图特有的对齐纪律：共用色阶与半径比例 ------十二张各自拉满，1 月和 9 月会看起来一样重；不锁标尺，就是视觉欺骗。共尺是算出来的，基数是堆叠外沿：十二个月里最长的扇区在 7 月（南风累计 48.2%），满圈统一锁 50%。要是按最长单格（7 月南风最外档 23.1%）去锁 25%，七月那瓣会被整段裁掉------堆叠玫瑰的外沿是扇区累计，不是最长的那一格。以后组件化，这个标尺就是一个参数（speedMax）------这张阵用的就是它。

js 复制代码

// monthly.mjs ------ 月度切片：12 × 16 × 6，月度玫瑰阵的原料（直接接在第二节代码后面：同一文件，SECTORS/KT/sectorOf/bandOf/rows/iD/iS/iV 沿用上文）

const byMonth = Array.from({ length: 12 }, () => []);

for (const r of rows) {

if (r[iD] === "M" || r[iD] === "" || r[iS] === "M" || r[iS] === "") continue;

if (+r[iS] < 1) continue; // 静风不入扇区

byMonth[Number(r[iV].slice(5, 7)) - 1].push(r);

}

let secMax = 0;

for (let i = 0; i < 12; i++) {

const m = Array.from({ length: 16 }, () => KT.map(() => 0));

for (const r of byMonth[i]) m[sectorOf(+r[iD])][bandOf(+r[iS], KT)]++;

const rowT = m.map((rw) => rw.reduce((a, b) => a + b, 0));

const n = rowT.reduce((a, b) => a + b, 0);

const dom = rowT.indexOf(Math.max(...rowT));

secMax = Math.max(secMax, Math.max(...rowT) / n);

console.log(`${i + 1} 月 主导 ${SECTORS[dom]} ${(rowT[dom] / n * 100).toFixed(1)}%（入扇区 ${n}）`);

}

// → 1 月 NNW 14.3% | 2 月 N 21.0% | 3 月 N 11.1% | 4 月 ESE 14.5% | 5 月 SE 16.5%

// | 6 月 SE 17.4% | 7 月 S 48.2% | 8 月 SE 21.8% | 9 月 E 18.2% | 10 月 N 25.0%

// | 11 月 N 21.8% | 12 月 NNW 21.3%------换手线一眼读完

const SCALE = Math.ceil(secMax * 100 / 5) * 5; // 共尺：基数是堆叠外沿（扇区累计），向上取到 5 的倍数

console.log(`共尺：满圈统一锁 ${SCALE}%，十二张谁也不许各自拉满`);

// → 满圈统一锁 50%（圈线 25% / 50%）

六、选型与收尾：一年看完了

读完这一篇，你能用一年报文做出本地风玫瑰------第二节给的是「做」，这一节补上「选」。三种统计画法一张表收全：

图	回答什么	丢什么	输入	典型场合
风玫瑰	一年到头：从哪来 × 多大 × 多常来（联合分布）	时间------哪天哪时都不在；极端没有体积	逐时样本（来向＋风速），剔静风缺向	站点风况速览、年报
频率条	只答从哪来（边际）	整个速度维度	同一套样本、同一套剔除	快讯卡片、小屏
月度玫瑰阵	一年怎么换手（年内节奏）	年际趋势（第 6 篇的事）	同上，按月切片，十二张共尺	季风换手、逐月对照

三条常见错法，每条一句拆解：

拿小样本当常态------24 时次是抽签，700 上下勉强够形状，8,502 才谈常态（第四节那五副面孔就是证据）。
把剔除说成没有------静风、缺向剔出扇区 ≠ 不存在；样本量披露行（n、静风、缺向、缺速）是玫瑰的一部分，不是附录。
拿玫瑰答极端------极端时次在 8,502 行里没有体积（第一节的 0.01%）；答「哪天最猛」，换事件画法：打标记、不铺带（第 1 篇定的规矩）。

复现路径：取数（一条 curl）→ 剔除账＋玫瑰统计（第二节代码，档边界随参数）→ 边际频率＋三档对照（第三节代码）→ 月度切片（第五节代码）------三段 JS 按序贴进同一个文件跑，把表摆成瓣＝极坐标堆叠条形，第 1 篇图 05 就是成品。零依赖，Node 20+ 直接跑，连装包一步都省了------统计图没有逐帧、没有粒子，是全系列最轻的性能账（第 3 篇那套用不上）。

边界最后说一次：本篇讲的是把一年的风叠进统计图的画法，是数据可视化，不是天气研判------不做任何气候结论（风变没变是第 6 篇的活，得走再分析数据）；跑道与侧风分量不碰；剔除账随图披露；极端 ≠ 常态。

一年看完了，三十年呢------把四种画法套上去，会看见一个不太舒服的趋势。第 6 篇《风的三十年》。玫瑰看不见的那一天，另有一篇把它摊开看------台风的风圈怎么画才不错。这两篇都不承诺日期；这个系列从来不承诺。

一年叠成一朵，风的性格就在瓣里。

署名：YaoJaro

数据来源：地面逐时观测（IEM ASOS 归档·上海浦东 ZSPD：公有领域，无准确性担保；窗口 2024-01-01T00:00Z → 2024-12-31T00:00Z（末点开，365 个整日），例行报文 8,760 行，全篇单管道、无模式数据）｜统计管线零第三方依赖（Node 20+），文中数字均可由随文代码复算

下一篇《风的三十年》------把四种画法套到三十年上，看一个不太舒服的趋势。如果这一篇让你想把一年的风叠成一朵，欢迎在掘金关注，系列接下来一篇一个台阶。