Python11：读取不同Netcdf和txt格式的气象数据（xarray库和pandas...

读取NetCDF文件（***.nc）

回顾：【气候软件】Python读取气象数据 NetCDF文件（***.nc）

---

本例以一套CMIP6的BCC-CSM2-MR模式输出的全球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）

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。

%读取nc文件用到xarray库包中.open_dataset（）函数；

%提取某时间范围内、某经纬度范围内的数据用到.loc[]函数；

• 
  1 d- f" d; j  w$ ?$ H& [
• 
  , E2 i) B4 G6 [: j5 k
• 
  % k3 `& D. Z: Z4 r" [  y
• 
  ! L5 B4 J7 [) Q3 L8 R, H; y4 o
• 
  
• 
  + V1 W2 D; p0 a2 {6 Q* i
• 
  ! x: W/ `/ B. b' G
• 
  6 [  L6 K9 r+ k* V; b- [$ f7 E
• 
  
  

#1引库import xarray as xr#2数据（数据免费下载后台输入“BCC-CSM2-MR数据”回复获取）data = xr.open_dataset('tas_Amon_BCC-CSM2-MR_historical_r1i1p1f1_gn_185001-201412.nc', decode_times=False)print(data)  #输出显示数据信息，便于了解tas = data['tas']  #提取变量tas数据  a = tas.loc[15.5:74.5]  # 提取time在15.5至74.5区间内的数据b = tas.loc[15.5:74.5, 40:55, 115:135]  #选取了lat在40°N-55°N，lon在115°E-135°E范围的数据
2 ]5 K3 K7 m% L- K: t' ]5 `) f

读取（time时间在15.5至74.5区间内，lat纬度在40°N-55°N，lon精度在115°E-135°E）范围结果显示：

) s/ ~$ q: o$ s- y, i) R6 O) g2 Y

读取TXT文件

% i& t/ z* @! G# N4 }" k

回顾：【气候软件】Python2：读取TXT文本格式的数据

站点数据是气象数据很重要的一部分，尤其是在观测数据方面，站点数据一般存放于.txt(.csv)文件中，首先就需要读取数据。

以一套中国气象数据网下载的某省的1979-2019年逐月气温数据为例，数据文件格式为TXT文本格式：（数据下载地址：www.52ocean.cn）

TXT文本保存的数据如下图所示：

%读取txt文件用到pandas库包中.read_csv（）函数；

2 D. |. ^/ ~9 i4 m  i. U

• 
    r$ H$ r0 Z0 P' ~! {5 a
• 
  , l; F. e* c- N' g6 H- q" M
• 
  
• 
  
• 
  
• 
  % ?# T: ~! f, O, t& p: T7 F- P
• 
  
• 
  ) S6 W* ?! R5 V
• 
  
  

#1引库import pandas as pd#2数据##skiprows跳过了前1行的文件头##sep=','为文件中数据以逗号间隔；若以空格为间隔修改为sep='\s+'#设置导入 数据 的列名称data = pd.read_csv("tem.txt", skiprows=1, sep=',', header=None)  print(data)

读取结果显示：

可以看到，文件的数据有22列，492行，第0列是年份，第1列是月份，剩余列数是变量数据。

skiprows=1表示跳过了前1行的文件头（因为第一行的数据中含有非数字的字符，所以选择跳过不读取）。

如果其他文件中数据是以空格为间隔，则sep='\s+'定义了数据间隔为空格。

header：设置导入 数据 的列名称，默认为 "infer"，注意它与下面介绍的 names 参数的微妙关系。

names：

• 当names没被赋值时，header会变成0，即选取数据文件的第一行作为列名。

• 当 names 被赋值，header 没被赋值时，那么header会变成None。如果都赋值，就会实现两个参数的组合功能。

  
  

8 X( I0 K# D8 n2 k