PyGrADS提供了 gacore 类,容许用户调用任何GrADS 可执行程序,例如: grads, gradsnc, gradshdf, gradsdods, gradsdap等。而且用户可以像使用函数一样,把GrADS命令发给gacore类,请看下面的例子:
from grads.gacore import GaCore
ga = GaCore(Bin='grads') # 如果GrADS的版本小于2.0,可以使用ga = GaCore(Bin='gradsnc')
fh = ga.open("http://monsoondata.org:9090/dods/model")
ga("display ps")
实际上,在GrADS大于2.0的版本中,可以更简洁一点:
import grads #导入库
ga=grads.GrADS() #使用GrADS客户端程序,要求GrADS版本大于2.0.0
fh = ga.open("http://monsoondata.org:9090/dods/model") #读取文件
ga("display ps") #显示图形
ga("printim D:/x.png white") #保存图形,将背景设为白色
绘制的图形如下:
如果你安装了Numpy,那么可以很方便地在python和GrADS客户端之间传递数据:
from grads.ganum import GaNum
ga = GaNum()
ts = ga.exp("ts") # export variable ts from GrADS
ts = ts - 273 # convert ts to Celsius
ga.imp("tc",ts) # send the NumPy array to GrADS
ga("display tc") # display the just imported variable
如果你还安装了MatPlotLib,那么绘制图形将非常轻松方便:
from pylab import contourf
contourf(ts.grid.lon,ts.grid.lat,tc)
如果你还安装了Matplotlib/Basemap,那么PyGrADS还提供了galab类,容许你使用basemap绘图:
from grads.galab import GaLab
ga = GaLab()
fh = ga.open("http://monsoondata.org:9090/dods/model") #读取文件
ga.blue_marble('on')
ga("set lon -180 180")
ga.contour('ua')
title('Zonal Wind')
绘制的图形如下:
如果将GrADS、MatPlotLib、Pylab结合起来威力更加强大。在GrADS中做统计分析是很不方便的,但是Python中却非常轻松。
例如计算eof(empirical ortoghonal functions):
ga.open("slp.nc")
ga("set t 1 41")
v, d, pc = ga.eof('slp')
更多的内容可以自己去PyGrADS的官方主页摸索吧!