第一步:使用anaconda安装carray库: - 7 A& N) f& l0 T
, L i* r! t- M6 R, b3 U8 u
conda install xarray& s4 w. R/ @+ _! g( V
/ [/ F [, w: P$ U/ Y9 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: - 6 e8 `) u! [' y6 c! i7 a, a: N
- ! v4 `! Y8 d, r* f0 `+ g
- 0 X$ s8 u; ~! L8 W) M% \- x, a
- 6 F' b, ]8 b' v# Y+ l
' N6 N8 g: P, u
* Y( X+ b/ ^; P) M
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)
, P% i- ?2 m3 S9 K
0 q9 S! L- c" I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。
6 L3 w. B) @ h% k; g1 U第三步代码如下:
% N& M; X' p: X+ W! a9 o4 \+ d2 t- 4 K+ R9 Q% e& C; g+ H
- ) K7 N; S' ~9 W3 Z& W; H$ ]
" X5 l6 u7 h' f/ d: p- 6 B- J2 M+ F" `
1 r J( L, B1 F7 v* i- X7 R: T3 L
' A7 d$ w# `- N" i- ; _0 ?& b4 X- x' v; b% s
- * z8 h1 `5 p8 z3 }0 e3 t
- " A8 F4 d5 ?- M/ S7 j$ p. [
& L) [1 h! V6 r5 |4 u" N
#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)
! y+ Y0 r. V6 v3 ?8 n
7 K7 U4 X0 \2 b5 M& ?4 A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。
+ m, s8 Q. X! e) G, _
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。
) T1 Q( _' M, n+ P- k2 r1 t: V, q
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。
- q+ V+ }7 K+ L. ]$ r" q3 \+ R5 C在这里,我选取了40°N-55°N,115°E-135°E范围的数据
1 ~( n% g2 n$ v! T5 l( L
完整代码 r. l6 x3 x* Z, {
1 |5 R* s& d1 c/ y7 p9 k. @9 X
_. Q: m9 r8 q! j9 t- : l9 t) h) w8 g; {' [, r c. H
3 q4 m4 ?3 L S8 n
4 G) O+ o. X! k! ~- + z# A5 t) S" c) ?$ p6 [2 g# Y
- # w) j/ G3 B! M
- ) l$ O u8 o0 V g, H7 l
- ' C& c6 C; j$ f; r
+ B \; p: q ~7 c8 E" D
+ ^( J' O6 g+ U
- b" E! S) x) I. {5 D/ q
# p+ p! Q* M5 I* i. a( K6 \- 3 O6 q1 v D' J. t
( W# z& v [: b( D1 l2 R3 F* \0 e3 T
) z8 ~: |8 e, p, v& E# ~
/ f8 X6 Z( p) J h# j$ O- . D0 L% B( X# ~: o8 y K. g7 T7 p
9 t9 T# G/ Y' i# l t9 G$ ?8 J
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)
! c0 H: g4 ]# |! r; k4 k |