|
第一步：使用anaconda安装carray库：
. m/ }4 J7 U' S( G" }+ q# W, C" H! C3 h7 L
conda install xarray
1 L) Q. \5 ^3 a0 a y! f" g3 N
~6 ^. R8 Q- ~9 \% M- F& {( ~& R第二步：使用Spyder（Python3.8）读取数据NetCDF文件（***.nc） 以一套CMIP6的全球气候模式BCC-CSM2-MR（中国北京气候中心研发，分辨率为160*320）输出的tas（表面气温）变量1850-2014年的历史格点资料为例： （数据下载地址：www.52ocean.cn）
读取数据的代码如下： - , `# k1 O# F* j/ L$ C" {
+ S% z( ~- x( G7 B0 G& ]
% _' x" y4 l9 r- i7 b+ G" z& |
6 M3 Y( @& }* x1 T3 O- 0 G7 @- k; e8 m) g
3 b9 ], W. L# P
import xarray as xr#step1 read dataf_tas = xr.open_dataset('tas_Amon_BCC-CSM2-MR_historical_r1i1p1f1_gn_185001-201412.nc', decode_times=False)#step2 look at data's informationprint(f_tas)
) b: {' m* ~8 v1 k4 h, D" Y
! D. e; b/ G0 w# H' a文件信息查看如下：
可以看到，文件的坐标有时间time， 经度lon，纬度lat，高度height，变量有表面气温tas。 * D% r+ }5 W R, L+ R* [( S& `, Y9 J
第三步代码如下：
# _% f- X0 M: J- 9 W, a# ~. l. d* ?
- ' ?, f9 X* t* E; {" F% B5 t5 I2 D
& z# U. Y* b4 R- j @3 V, H
4 h* T$ {: A& _. i# V! T- + G+ Q, [( S% T6 z
3 y7 \, Y3 c' W% G# E
3 v( ~9 S9 C q& ]/ S
& N, S9 J* J3 n3 L- ! Z$ P# ^# R% K1 _' f9 M6 v8 z1 \
6 @ j( D. E" e$ [
#step3tas = f_tas['tas']print(tas)#step4a = tas.loc[15.5:74.5]print(a)#tep5b = tas.loc[15.5:74.5, 40:55, 115:135]print(b)
2 K- @4 A1 s/ ^; o ' P8 w$ Q/ l* m2 X! k+ i, U' L
第三步：气温数据取出 Xarray在读取坐标信息时，自动将时间坐标读取为了float64 格式，这对我们挑选目的时间十分方便。Xarray通常与pandas配合使用。
0 _: d. G. C- I! O
第四步：选取某时间段内数据 比如我们想选取15.5-74.5（根据数据信息中time格式的规定输入相应格式）时期数据。
* J, t, M& B; A" ~8 x/ f9 ?) b+ x% f
第五步：选取特定经纬度范围(高度)的数据 当我们想选取特定经纬度范围(高度)的数据时，.loc[]函数同样可以解决。/ C+ `. e: b1 S$ Y, x! M2 V8 d
在这里，我选取了40°N-55°N，115°E-135°E范围的数据
" n( ?" T3 T1 G. N! \
完整代码
& @" C, F& Z) l
: m0 S7 ^# j( ^. l4 P8 l i, R
' y7 @& L3 p3 y+ V* {$ z
! g* @3 b- i1 I; D5 Q
0 y3 Z2 u+ d0 C- ! s( h5 P. x0 T- R' z
4 ]3 S" y- G# E3 t J) I+ K
$ C5 c( F" q7 k! p7 j7 x) e- * p" n3 ~% i0 ]' f% k& n) @
- 6 X3 _9 G0 G: R- j/ a1 @% x4 o9 A
- 0 [: `/ r( K7 E$ Q5 W
- % P2 x: d, A' d! P( x! }1 {
- 0 g8 u6 j8 Y. b9 c- c4 ^" A* C# \
3 a# V9 ]; z x# V4 C- M/ z/ Y- 1 k; i/ H4 q! l" w
- . x) v' b" g- M6 C5 [
- ( t/ e; P+ D2 M8 y7 c1 \4 |- ]
9 M- {- C" T: C- - v2 \$ f4 L( H- s: O7 p
O; }, ?$ H! g l7 N6 P6 o
import xarray as xr#step1 read dataf_tas = xr.open_dataset('tas_Amon_BCC-CSM2-MR_historical_r1i1p1f1_gn_185001-201412.nc', decode_times=False)#step2 look at data's informationprint(f_tas)#step3tas = f_tas['tas']print(tas)#step4a = tas.loc[15.5:74.5]print(a)#tep5b = tas.loc[15.5:74.5, 40:55, 115:135]print(b)
% H+ p; ]- D( V9 W | 
