|
第一步:使用anaconda安装carray库:
9 A- f2 p% H0 b" v# u& Z" H5 R$ W0 ~/ t8 u2 D; ]) d
conda install xarray
- I3 W- S# c) \% L g: S* U
: R; D, v, Q* f) z7 r. n第二步:使用Spyder(Python3.8)读取数据NetCDF文件(***.nc) 以一套CMIP6的全球气候模式BCC-CSM2-MR(中国北京气候中心研发,分辨率为160*320)输出的tas(表面气温)变量1850-2014年的历史格点资料为例: (数据下载地址:www.52ocean.cn)
读取数据的代码如下:
! F. P0 [, w8 v1 P7 M# H% k
7 y, H* J: e) X$ I$ f" z0 x- # t* y2 A. L k& I1 y% c
- ! p' `$ n1 j8 Z2 k0 ]
- " t1 c; }6 @ d, A! m/ P
$ U8 l, ^6 o4 f* u& x9 S7 s1 Z& z0 M/ e
import xarray as xr#step1 read dataf_tas = xr.open_dataset('tas_Amon_BCC-CSM2-MR_historical_r1i1p1f1_gn_185001-201412.nc', decode_times=False)#step2 look at data's informationprint(f_tas)7 x" E, C M$ ?7 j
. o% W6 x# L7 b
文件信息查看如下:
可以看到,文件的坐标有时间time, 经度lon,纬度lat,高度height,变量有表面气温tas。 5 T( E$ n( @( Q* S$ o
第三步代码如下: # h; g2 q6 f5 s% q; g& e
- - h% G' |. w$ D( P
& `- I% f0 [' _! g. [1 x
* ]9 q6 H, U/ Y# D B! M
( t% t& n" Z- p" H$ ]% Q' b3 w' V
6 T& d( ~6 }8 [( A- 0 O9 V" A- U" ^' j+ p0 @" k
- ( q( K! i/ o2 a$ h0 L2 T
/ I" C% k5 M8 L3 d/ l3 L
9 t+ w% G0 j$ W3 [0 D8 R
|( P( D- E) H& W6 e. n
#step3tas = f_tas['tas']print(tas)#step4a = tas.loc[15.5:74.5]print(a)#tep5b = tas.loc[15.5:74.5, 40:55, 115:135]print(b)* M4 K8 v: @1 i3 X
, T$ K6 k# K' D& {# ~第三步:气温数据取出 Xarray在读取坐标信息时,自动将时间坐标读取为了float64 格式,这对我们挑选目的时间十分方便。Xarray通常与pandas配合使用。
8 t) [. L) j* ?
第四步:选取某时间段内数据 比如我们想选取15.5-74.5(根据数据信息中time格式的规定输入相应格式)时期数据。
" p/ r+ y! g: W% i
第五步:选取特定经纬度范围(高度)的数据 当我们想选取特定经纬度范围(高度)的数据时,.loc[]函数同样可以解决。
% x1 |( Q o' F* V在这里,我选取了40°N-55°N,115°E-135°E范围的数据
, j& a$ Q) a5 ~1 K' _+ X8 D完整代码
( c2 O& i' z( U: w- 4 ]& A: y: G7 [4 @ B# v' U' l
1 V. H' n& x z$ \5 k: l- " U6 E8 |2 {+ A- l, x* g( i! [& m
. b* j0 N. d! h) t; k- * X0 P# S( x5 T, l! P) g
* u& c3 E6 r) U- B
; H- N: B! D: h) k# ?- % U# ^ @% y5 x+ K' ?
* M! ?" s' O; s+ l: _8 Y: K3 s) q
, V# h+ \) }! k) l/ B( p- " a5 E4 X- M1 H6 x n
- , y" J' _( o/ L; ^
7 v; M D5 p r7 E' F
# X: ?5 Q* G; S- c- - K) |2 @& ^% P6 h
- ! n* ?4 S! J/ i% F6 |4 n
- # j. g8 F' {7 a/ S) X. L' [5 {
- / B3 X& s& f( c2 B6 W
3 ?4 j( s/ j$ T
import xarray as xr#step1 read dataf_tas = xr.open_dataset('tas_Amon_BCC-CSM2-MR_historical_r1i1p1f1_gn_185001-201412.nc', decode_times=False)#step2 look at data's informationprint(f_tas)#step3tas = f_tas['tas']print(tas)#step4a = tas.loc[15.5:74.5]print(a)#tep5b = tas.loc[15.5:74.5, 40:55, 115:135]print(b) + G8 T+ A! C G9 M. I6 E! a
|