收藏本站 劰载中...网站公告 | 吾爱海洋论坛交流QQ群:835383472

[Python] Python11:读取不同Netcdf和txt格式的气象数据(xarray库和pandas...

[复制链接]

读取NetCDF文件(***.nc)

回顾:【气候软件】Python读取气象数据 NetCDF文件(***.nc)


本例以一套CMIP6的BCC-CSM2-MR模式输出的全球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

文件信息查看如下:

) j. Z8 l9 K4 J) p

1a1e28f7de9c02c666ed97dbd5fd2a72.png

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。

%读取nc文件用到xarray库包中.open_dataset()函数;

%提取某时间范围内、某经纬度范围内的数据用到.loc[]函数;


2 ]% m1 ?1 U# V& a5 r7 r

  • + Y1 N* Z0 M* }' J2 e& v

  • , }' z8 H4 D5 D

  • % m- V/ F0 J& b4 `2 M+ n' B' d

  • / F  j8 Z; o9 y9 m7 B: `- ]
  • + Z8 p% W, ~) Z  B( U2 m% Z' a
  • 3 Z' f1 N& t4 A) h1 W# C& U
  • " K$ H5 ^0 n* Z. K/ x
  • 2 Y1 X, I: D; S- P  r) t# B

  • 7 `& y' g; }# z, ^! w6 @7 |0 f
    ; ^$ S+ t% P* d% M' e9 E- P

#1引库import xarray as xr#2数据(数据免费下载后台输入“BCC-CSM2-MR数据”回复获取)data = xr.open_dataset('tas_Amon_BCC-CSM2-MR_historical_r1i1p1f1_gn_185001-201412.nc', decode_times=False)print(data)  #输出显示数据信息,便于了解tas = data['tas']  #提取变量tas数据  a = tas.loc[15.5:74.5]  # 提取time在15.5至74.5区间内的数据b = tas.loc[15.5:74.5, 40:55, 115:135]  #选取了lat在40°N-55°N,lon在115°E-135°E范围的数据  U, b# W% D0 v# D7 A

/ n3 Z  b& A& \/ j5 a

读取(time时间在15.5至74.5区间内,lat纬度在40°N-55°N,lon精度在115°E-135°E)范围结果显示:

ba790cde36edf774adba4d7236ae5bae.png


- S0 [1 c$ E( f2 S2 J
3 R3 v6 e+ ]5 q( K7 I& `7 ?

读取TXT文件


6 @& W. \$ J& K% n3 `0 S

回顾:【气候软件】Python2:读取TXT文本格式的数据

站点数据是气象数据很重要的一部分,尤其是在观测数据方面,站点数据一般存放于.txt(.csv)文件中,首先就需要读取数据。

以一套中国气象数据网下载的某省的1979-2019年逐月气温数据为例,数据文件格式为TXT文本格式:(数据下载地址:www.52ocean.cn

TXT文本保存的数据如下图所示:

9b1379a3b4909ed05af149774d062cda.png

%读取txt文件用到pandas库包中.read_csv()函数;


$ j+ q. S( w% c+ Q& w- H' }& t
  • , O( m) J6 C" }+ w2 p& Q5 y5 M2 }

  • : z0 T. k3 M) c& s. O, e: {

  • / Z, R6 J- t3 F3 f. \( t

  • . P3 J' S6 G5 C9 v% k

  • ' I% J# B/ T. R" z/ z" ~
  •   B5 T" J* L0 Y/ T: b

  • * F3 d- j) @& w& g0 t! _

  • 6 @/ C9 c5 w) d+ X8 `

  • 7 y- ~8 O* w' d* A! l5 A, v& X) O# o; U* p

#1引库import pandas as pd#2数据##skiprows跳过了前1行的文件头##sep=','为文件中数据以逗号间隔;若以空格为间隔修改为sep='\s+'#设置导入 数据 的列名称data = pd.read_csv("tem.txt", skiprows=1, sep=',', header=None)  print(data)
  O8 ?. A( s9 }: @+ v

- U1 l( i2 ]9 `# a

读取结果显示:

cdeaa0ac0572f4c8f1dcd31b2cedc757.png

可以看到,文件的数据有22列,492行,第0列是年份,第1列是月份,剩余列数是变量数据。

skiprows=1表示跳过了前1行的文件头(因为第一行的数据中含有非数字的字符,所以选择跳过不读取)。

如果其他文件中数据是以空格为间隔,则sep='\s+'定义了数据间隔为空格。

header:设置导入 数据 的列名称,默认为 "infer",注意它与下面介绍的 names 参数的微妙关系。

names

  • 当names没被赋值时,header会变成0,即选取数据文件的第一行作为列名。

  • 当 names 被赋值,header 没被赋值时,那么header会变成None。如果都赋值,就会实现两个参数的组合功能。


    & j  P. Z. n+ I

8 f7 U8 E* Q5 T/ H/ ^! X' Y- D/ C4 P8 h
回复

举报 使用道具

相关帖子

全部回帖
暂无回帖,快来参与回复吧
懒得打字?点击右侧快捷回复 【吾爱海洋论坛发文有奖】
您需要登录后才可以回帖 登录 | 立即注册
有风
活跃在2022-10-29
快速回复 返回顶部 返回列表