|
第一步:使用anaconda安装carray库: - # x) }* [( f2 s$ }( v7 Z
( U- |( q5 u1 O/ P2 p, G
conda install xarray
8 P& D5 @. ^( J9 W: ?8 r 8 G$ H! P; w M/ z
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: - 7 m, I6 a. m, N$ p& c
- ( ~' O6 y( Y( [. S1 a
1 c6 U. J/ O7 A3 V) g7 u& {0 ?
3 l7 @6 D ?7 v0 s9 P. J* O! a
3 x4 G _- H+ Y- K( v5 [ H& a& d# n
0 D. {( i6 v+ D! u6 H) y, N9 K
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)
" b9 D4 n; S/ W+ X4 `
' h- i7 {# ?7 x% m' W! _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。 5 f7 e9 K, `6 o. w3 U2 L8 W, ~
第三步代码如下:
$ O ]& J1 V, W5 ?# M- ) L( t H( w/ v' L7 u6 f
* J# l6 @- ?6 k0 ^8 ]; ^1 @8 `
8 M1 W: Y2 r3 P9 h
0 G( G2 ? P( T! c5 q1 \- 3 c& a+ c7 t7 b- X0 h
- . w* l2 H& ~- _* _$ N+ i: i+ o& @
- 7 E; M7 k! |' @( o, x" f
- * D9 M; y8 B* ~
- ' y- ~6 k v% U9 V. D1 N
9 o7 C" ?. R0 L& u1 B8 D
#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)
( t7 p, m/ U# Y
" H, {0 d+ E9 ~# G$ A& f& n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。
6 v; f+ B1 ^" g4 M- {* X+ E
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。
% U. r- }5 R" n8 z
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。7 t* o) H8 c) y
在这里,我选取了40°N-55°N,115°E-135°E范围的数据
5 |2 A+ ^; m# l. V$ F完整代码
" M/ `. k9 e4 U+ Y$ Y D( D( [ G% _0 W
8 v2 t& o9 C# w: c
' t( M+ X; O" v- Z6 N
8 c, t# O" |. d m" y, S- $ q v! J9 A2 T) ^) _
- t+ v% w( {: J3 A: D, {
0 p) [& Z/ n, U. `
# G, O6 b, B; P5 T
0 k# I/ Y& W: E7 P1 Z- ' c4 d7 g/ N K3 ?. _ A5 m( X
- G; D& c1 o% {7 }6 P6 S
% A- y# t* R# i) W4 p0 {: L# w- - A3 {' ?/ ~3 A; `& @
3 B( \; ?# v2 M) T, V
" w; J- S% b% T( \0 u4 `7 j: O+ X- 6 U. j5 F9 y) T! V0 H8 H9 R9 p0 B
- - k9 F: T- T2 u. ]# J5 h
( S' H( C, _& S8 M
9 E5 h- i& d# Y1 p
. K0 ^% ]; } k" }" 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)#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)
5 F; g( `4 h- o: }7 t |