【Python学习】——netcdf数据处理（一）

NetCDF（Network Common Data Form）在气象数据中比较常见，是一种多维数据结构，结构形

式可以参考下图。简单来讲，数据切片可以理解为切面包，垂直于时间轴切，每片面包代表某个时

间点全球（或区域范围）相应变量（气温或是降水等）空间分布情况。

Python读取.nc数据有两种库均可实现数据提取，分别是xarray以及netCDF4（专门读取nc数据的库）。

因个人处理数据习惯，本文只介绍xarray

## 导入库
import xarray as xr

## 读取数据
# 法一
ds = xr.open_dataarray("/mnt/e/Research_life/DATA/SIF/CSIF/OCO2.SIF.clear.daily.2000.nc")
# 法二
ds = xr.open_dataset("/mnt/e/Research_life/DATA/SIF/CSIF/OCO2.SIF.clear.daily.2000.nc").clear_daily_sif

## 根据所需经纬度范围提取数据（数据切片的三个维度分别为[时间,维度,经度]）
ds.loc[:,4.25:52.25,70.12:130.24]

注意ds进行经纬度索引的时候不要加引号，否则会导致索引不准确

仔细观察即可发现open_dataarray读取数据的方式并不需要在后面指明变量名，该方法在.nc数据

中只存在一个变量的情况下使用比较方便。

读取数据之后可以查看一下，数据的结构顺序按照以下图片进行，[时间,维度,经度]

doy（day of year）是一种特殊时间结构，可能不能算作为时间，一般由数字构成，例如

1,5,9,13...，表示每隔四天有一数值。若后面要使用月值进行分析时，需要进行月平均，后面

会继续发文章讲如何处理。

读取数据后一般都需画个草图大致看看数据空间分布情况

## 任取一时间点画图
ds[121,::].plot()

 参考文献：

https://en.wikipedia.org/wiki/NetCDF

从xarray走向netCDF处理(一)：数据结构及数据读取 - 腾讯云开发者社区-腾讯云