visual数据结构结构怎么读取文件_从xarray走向netCDF处理(一)：数据结构及数据读取...

最新推荐文章于 2023-05-04 09:54:23 发布

weixin_39600510

最新推荐文章于 2023-05-04 09:54:23 发布

阅读量992

点赞数

文章标签： visual数据结构结构怎么读取文件同花顺数据结构读取软件

本文链接：https://blog.csdn.net/weixin_39600510/article/details/111277414

版权

想如今气象数据netCDF(.nc)为盛，用者甚多，初学者见之仰天长啸，倘若再由Python经手，netCDF4-python，Iris，xarray，UV-CDAT选择众多，劳心伤神事小，逼出选择困难症事大。多番比对，选用xarray，解查安抚，化繁为简，最为称心。

说人话就是，经学前班大队长亲测利用Python中的xarray库处理nc数据非常方便。

安装

xarray的安装依旧推荐使用conda，还不会的小伙伴移步：一文教你解决Python所有安装配置

conda install xarray

在终端里输入如上命令，之后输入y，等待安装结束就好了。

数据结构

xarray有两大数据类型：DataArray、Dataset。

DataArray

一个带有标签的多维数组，它有如下几个重要的属性

values 获取数组的具体数值
dims 获取维度的名字，如('x', 'y', 'z')
coords 获取一个类似于字典的结果，里面包含各个坐标
attrs 获取原始数据的属性，比如变量的名字、单位等

Dataset

Dataset可以简单的理解为由多个DataArray组成的集合，它有如下几个重要的属性

dims 获取维度的名字，结果类似于字典，如{'x': 6, 'y': 6, 'time': 8}
data_vars 获取物理量的名字
coords 获取一个类似于字典的结果，里面包含各个坐标
attrs 获取原始数据的属性，比如变量的名字、单位等

数据结构图示

数据类型的使用

读取数据:

xarray.open_dataset()读取Dataset类型数据，即能读取多个物理量。
xarray.open_dataarray()读取DataArray类型数据，即只能读取单个物理量。

如果nc文件中含有多个物理量，用open_dataarray()读取会报错，因此建议统一都用open_dataset()来读取文件。

提取物理量

从文件中读取数据ds = xarray.open_dataset()
假如数据中含有一个名为var的物理量可以通过ds.var或ds[var]来获取

实例

此处使用的是ERA-Interim中2018年的月数据，包含10米的径向风、纬向风和2米气温,在ECMWF注册过的都可以直接下载。下面代码部分建议大家横屏阅读。

>>>import xarray as xr# 由于数据包含了多个物理量(u10，v10，t2m)，所以要用open_dataset来读取数据>>>ds = xr.open_dataset('EC-Interim_monthly_2018.nc')# ds的类型为Dataset，里面包含u10，v10，t2m三个物理量，每个物理量都有经度、纬度、时间三个坐标系>>>dsDimensions:    (latitude: 241, longitude: 480, time: 12)Coordinates:  * longitude  (longitude) float32 0.0 0.75 1.5 2.25 .. 357.75 358.5 359.25  * latitude   (latitude) float32 90.0 89.25 88.5 87.75 .. -88.5 -89.25 -90.0  * time       (time) datetime64[ns] 2018-01-01 2018-02-01 .. 2018-12-01Data variables:    u10        (time, latitude, longitude) float32 ..    v10        (time, latitude, longitude) float32 ..    t2m        (time, latitude, longitude) float32 ..Attributes:    Conventions: CF-1.6    history:    2019-03-28 02:03:39 GMT by grib_to_netcdf-2.12.0: grib_to_n...#  取出ds中名为t2m的物理量,可以看到它的维度，坐标系，以及t2m有单位和名字两个属性>>>ds['t2m']'t2m' (time: [13e88160 values with dtype=float32]Coordinates:  * longitude  (longitude) float32 0.0 0.75 1.5 2.25 ... 357.75 358.5 359.25  * latitude   (latitude) float32 90.0 89.25 88.5 87.75 ... -88.5 -89.25 -90.0  * time      (time) datetime64[ns] 2018-01-01 2018-02-01 ... 2018-12-01Attributes:    units:     K    long_name:  2 metre temperatur

通过xarray可以清晰的了解nc数据中的维度、坐标、物理量以及各种属性等信息。清晰的数据结构是准确、高效地分析数据的基础

简单的可视化

了解完数据结构，再来看一看数据可视化的结果。xarray封装了matplotlib的部分绘图函数，一行代码就可以将数据画出来，不过作为一个负责的公众号，还是用cartopy顺带加载了地图。

import numpy as npimport xarray as xrimport cartopy.crs as ccrsimport cartopy.feature as cfeatfrom cartopy.mpl.gridliner import LONGITUDE_FORMATTER, LATITUDE_FORMATTERimport matplotlib.pyplot as plt# 数据读取及时间平均处理ds = xr.open_dataset('EC-Interim_monthly_2018.nc')temp = (ds['t2m'] - 273.15).mean(dim='time')  #把温度转换为℃并对其时间纬求平均temp.attrs['units'] = 'deg C'  #温度单位转换为℃# 创建画图空间proj = ccrs.PlateCarree()  #创建投影fig = plt.figure(figsize=(9,6))  #创建页面ax = fig.subplots(1, 1, subplot_kw={'projection': proj})  #子图# 设置地图属性:加载国界、海岸线、河流、湖泊ax.add_feature(cfeat.BORDERS.with_scale('50m'), linewidth=0.8, zorder=1)ax.add_feature(cfeat.COASTLINE.with_scale('50m'), linewidth=0.6, zorder=1)  ax.add_feature(cfeat.RIVERS.with_scale('50m'), zorder=1)  ax.add_feature(cfeat.LAKES.with_scale('50m'), zorder=1)  # 设置网格点属性gl = ax.gridlines(crs=ccrs.PlateCarree(), draw_labels=True,   linewidth=1.2, color='k', alpha=0.5, linestyle='--')gl.xlabels_top = False  #关闭顶端标签gl.ylabels_right = False  #关闭右侧标签gl.xformatter = LONGITUDE_FORMATTER  #x轴设为经度格式gl.yformatter = LATITUDE_FORMATTER  #y轴设为纬度格式# 设置colorbarcbar_kwargs = {   'orientation': 'horizontal',   'label': '2m temperature (℃)',   'shrink': 0.8,   'ticks': np.arange(-30,30+5,5)}# 画图levels = np.arange(-30,30+1,1)temp.plot.contourf(ax=ax, levels=levels, cmap='Spectral_r',     cbar_kwargs=cbar_kwargs, transform=ccrs.PlateCarree())fig.show()