用python读取nc文件绘制1979-2020年东北地区夏季降水的年纪变化时间序列，并计算其与同期海温的相关性，以及500hpa位势高度的线性回归

首先，需要安装netCDF4和numpy库。可以使用以下命令进行安装：

pip install netCDF4 numpy

然后，可以使用以下代码读取nc文件并绘制时间序列图：

import netCDF4 as nc
import numpy as np
import matplotlib.pyplot as plt

# 读取nc文件
data = nc.Dataset('east.nc')

# 读取变量
lon = data.variables['lon'][:]
lat = data.variables['lat'][:]
time = data.variables['time'][:]
pr = data.variables['pr'][:]

# 计算夏季降水平均值
pr_jja = np.mean(pr[:, lat >= 40, :], axis=(1, 2))

# 绘制时间序列图
plt.plot(time, pr_jja)
plt.xlabel('Year')
plt.ylabel('Precipitation (mm/day)')
plt.title('Summer precipitation in Northeast China (1979-2020)')
plt.show()

接下来，可以使用以下代码计算夏季降水与海温的相关性：

# 读取海温数据
sst = nc.Dataset('sst.nc').variables['sst'][:]

# 计算同期海温平均值
sst_jja = np.mean(sst[:, lat >= 40, :], axis=(1, 2))

# 计算相关系数
corr = np.corrcoef(pr_jja, sst_jja)[0, 1]

print('Correlation coefficient between summer precipitation and sea surface temperature: {:.2f}'.format(corr))

最后，可以使用以下代码进行500hpa位势高度的线性回归：

from scipy.stats import linregress

# 读取位势高度数据
hgt = nc.Dataset('hgt.nc').variables['hgt'][:]

# 计算夏季位势高度平均值
hgt_jja = np.mean(hgt[:, (lat >= 40) & (lon >= 100) & (lon <= 130), :], axis=(1, 2))

# 进行线性回归
slope, intercept, r_value, p_value, std_err = linregress(hgt_jja, pr_jja)

print('Linear regression of summer precipitation on 500hPa geopotential height:')
print('Slope: {:.2f}'.format(slope))
print('Intercept: {:.2f}'.format(intercept))
print('Correlation coefficient: {:.2f}'.format(r_value))
print('p-value: {:.2e}'.format(p_value))
print('Standard error: {:.2f}'.format(std_err))

注意，上述代码中的文件名需要根据实际情况进行修改。