NetCDF文件介绍

1.NetCDF 文件介绍

• Network Common Data Form (NetCDF)，采用二进制格式；可以用来存储一系列的数组；
• files contain a header and file metadata in the form of name/value
  attributes；

2.文件存储方式
netCDF文件中的数据以数组的形式存储。存储在数组中的数据需要具有相同的类型。如：
（1）一维数组
在一个位置上随时间变化的温度被存储为一维阵列。
（2）二维数组
给定时间内某一区域上的温度被存储为二维数组/阵列。注意：Pandas DataFrame也是一个二维的数据结构，但是它不同于数组:DataFrame可以存储异构的数据元素。
dataframe 存储结构：

（3）三维数组
如一个区域的温度随时间变化。

3.文件组成
netCDF文件包含维度、变量和属性。
（1）维度
维度可以用来表示实际的物理维度，例如，时间、纬度、经度或高度;或更抽象的数量，如车站或模型运行ID。
（2）变量
变量表示同一类型值的数组。变量用于在netCDF文件中存储大量数据。变量的名称、数据类型和形状由创建变量时指定的维度列表来描述。
（3）属性
NetCDF属性用于存储辅助数据或元数据。大多数属性提供关于特定变量的信息。这些属性由变量的名称和属性的名称标识。

图片转载自https://adyork.github.io/python-oceanography-lesson/17-Intro-NetCDF/index.html

4.数据读取与可视化
python中常用xarray读取nc数据。
（1）读取数据：

import xarray as xr

nc_file = r"./file.nc" 

nc_data= xr.open_dataset(nc_file)
print(nc_data)

（2）查看变量

print(nc_data["variable1"].data[0])#查看第一个变量,data将variable1变量转换成numpy数组

(3)绘图

print(nc_data["variable1"][0].plot(x='lon',y='lat'))

举例：

nc数据可视化：

import xarray as xr
import matplotlib.pyplot as plt
import cartopy.crs as ccrs #加载地图信息
import numpy as np

access_pr_file = './file.nc'
#读取数据
dset = xr.open_dataset(access_pr_file)#读取Dataset类型数据，即能读取多个物理量
#时间平均处理
clim = dset['pr'].mean('time', keep_attrs=True)
#转换时间单位
clim.data = clim.data * 86400
clim.attrs['units'] = 'mm/day'
#创建画布
fig = plt.figure(figsize=[12,5])
#设置空间投影
ax = fig.add_subplot(111, projection=ccrs.PlateCarree(central_longitude=180))
clim.plot.contourf(ax=ax,
                   levels=np.arange(0, 13.5, 1.5),
                   extend='max',
                   transform=ccrs.PlateCarree(),
                   cbar_kwargs={'label': clim.units},
                   cmap='viridis_r')
ax.coastlines()
plt.show()

5.实例
https://adyork.github.io/python-oceanography-lesson/22-defensive/index.html

import argparse #argparse模块是命令行选项、参数和子命令解析器；适用于代码需要频繁地修改参数的情况。

import numpy as np
import matplotlib.pyplot as plt
import xarray as xr
import cartopy.crs as ccrs
import cmocean

#定义转换单位函数
def convert_pr_units(darray):
    """Convert kg m-2 s-1 to mm day-1.
    
    Args:
      darray (xarray.DataArray): Precipitation data
   
    """
   
    darray.data = darray.data * 86400
    darray.attrs['units'] = 'mm/day'
   
    return darray

#定义mask函数
def apply_mask(darray, sftlf_file, realm):
    """Mask ocean or land using a sftlf (land surface fraction) file.
   
    Args:
      darray (xarray.DataArray): Data to mask
      sftlf_file (str): Land surface fraction file
      realm (str): Realm to mask
   
    """
  
    dset = xr.open_dataset(sftlf_file)
  
    if realm == 'land':
        masked_darray = darray.where(dset['sftlf'].data < 50)
    else:
        masked_darray = darray.where(dset['sftlf'].data > 50)   
   
    return masked_darray

#定义绘图软件
def create_plot(clim, model_name, season, gridlines=False, levels=None):
    """Plot the precipitation climatology.
    
    Args:
      clim (xarray.DataArray): Precipitation climatology data
      model_name (str): Name of the climate model
      season (str): Season
     
    Kwargs:
      gridlines (bool): Select whether to plot gridlines
      levels (list): Tick marks on the colorbar    
    
    """

    if not levels:
        levels = np.arange(0, 13.5, 1.5)
       
    fig = plt.figure(figsize=[12,5])
    ax = fig.add_subplot(111, projection=ccrs.PlateCarree(central_longitude=180))
    clim.sel(season=season).plot.contourf(ax=ax,
                                          levels=levels,
                                          extend='max',
                                          transform=ccrs.PlateCarree(),
                                          cbar_kwargs={'label': clim.units},
                                          cmap=cmocean.cm.haline_r)
    ax.coastlines()
    if gridlines:
        plt.gca().gridlines()
    
    title = '%s precipitation climatology (%s)' %(model_name, season)
    plt.title(title)

#定义main函数
def main(inargs):
    """Run the program."""

    dset = xr.open_dataset(inargs.pr_file)
    
    clim = dset['pr'].groupby('time.season').mean('time', keep_attrs=True)
    clim = convert_pr_units(clim)

    if inargs.mask:
        sftlf_file, realm = inargs.mask
        clim = apply_mask(clim, sftlf_file, realm)

    create_plot(clim, dset.attrs['model_id'], inargs.season,
                gridlines=inargs.gridlines, levels=inargs.cbar_levels)
    plt.savefig(inargs.output_file, dpi=200)

if __name__ == '__main__':
    description='Plot the precipitation climatology for a given season.'
    parser = argparse.ArgumentParser(description=description)
   
    parser.add_argument("pr_file", type=str, help="Precipitation data file")
    parser.add_argument("season", type=str, help="Season to plot")
    parser.add_argument("output_file", type=str, help="Output file name")

    parser.add_argument("--gridlines", action="store_true", default=False,
                        help="Include gridlines on the plot")
    parser.add_argument("--cbar_levels", type=float, nargs='*', default=None,
                        help='list of levels / tick marks to appear on the colorbar')
    parser.add_argument("--mask", type=str, nargs=2,
                        metavar=('SFTLF_FILE', 'REALM'), default=None,
                        help="""Provide sftlf file and realm to mask ('land' or 'ocean')""")

    args = parser.parse_args()
  
    main(args)

参考资料：
Introduction to netCDF：https://adyork.github.io/python-oceanography-lesson/17-Intro-NetCDF/index.html

https://adyork.github.io/python-oceanography-lesson/22-defensive/index.html

气象数据处理：https://zhuanlan.zhihu.com/p/129351199

python的netCDF4库读取.nc文件：https://blog.csdn.net/weixin_43718675/article/details/102158535

https://www.cnblogs.com/shoufengwei/p/9068379.html

GitHub：https://github.com/Unidata/netcdf4-python