import netCDF4 as nc
import xarray as xr
import numpy as np
nc=xr.open_dataset('C:/Users\d\Desktop\Graduation thesis\data\sst.nc')
v = nc['sst'] #sst为变量内容(降雨、土壤干燥度等)
nc_30=v.loc['1979-1-1':'2016-12-31'] #截取时间
nc_coordinate=nc_30.loc[:,75:30,70:150] #截取经纬度
#nc_coordinate2 = nc.loc[:,75:30,-120:150]
ds1 = xr.Dataset({'sst': nc_coordinate})
ds1.to_netcdf('C:/Users\d\Desktop\Graduation thesis\data/sst1.nc')
ds2 = xr.Dataset({'sst': nc_coordinate2})
ds2.to_netcdf('C:/Users\d\Desktop\Graduation thesis\data/sst2.nc')
'''
filename ='C:/Users\d\Desktop\Graduation thesis\data/2cru_ts3.23.1901.2014.pet.dat.nc' # .nc文件名
f = nc.Dataset(filename)
var = 'tmp'
print(var)
var_info = f.variables[var] #获取变量信息
var_data = f[var][:] #获取变量的数据
print(var_info)
print(var_data.shape)
print(type(var_data)) # <class 'numpy.ma.core.MaskedArray'> .nc文件的变量数组都为Masked array
var_data = np.array(var_data) # 转化为np.array数组
#print(var_data)
'''
nc文件在python里的截取
最新推荐文章于 2024-06-12 14:12:53 发布
这段代码展示了如何使用xarray库读取和操作NetCDF文件中的气候数据。具体步骤包括:打开NetCDF文件,选取特定时间段(1979-1986年)和地理位置(经度70:150,纬度75:30)的数据,将结果保存到新的NetCDF文件中。此外,还提供了读取另一个NetCDF文件并获取变量信息和数据的示例。
摘要由CSDN通过智能技术生成