我正在尝试处理来自非常大的netCDF文件(每个文件大约400 Gb)的数据。每个文件都有几个变量,都比系统内存大得多(例如180 Gb与32 Gb RAM)。我试图使用numpy和netCDF4 python对这些变量执行一些操作,一次复制一个片段并对该片段进行操作。不幸的是,仅仅读取每个片段就要花很长时间,这会扼杀性能。
例如,其中一个变量是形状(500, 500, 450, 300)的数组。我想对切片进行操作,所以我要执行以下操作:import netCDF4 as nc
f = nc.dataset('myfile.ncdf','r+')
myvar = f.variables['myvar']
myslice = myvar[:,:,0]
但最后一步需要很长时间(在我的系统上大约5分钟)。例如,如果我在netcdf文件中保存了形状为(500, 500, 300)的变量,那么相同大小的读取操作只需要几秒钟。
有什么办法可以加快速度吗?一个明显的方法是对数组进行转置,这样我选择的索引将首先出现。但在这么大的文件中,这在内存中是不可能实现的,而且考虑到一个简单的操作已经需要很长时间,尝试它似乎更慢。我想要的是一种快速读取netcdf文件片段的方法,采用Fortran的接口get_vara函数的方式。或者是有效地变换阵列的方法。