|
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：
) v- d, s( _; n* E7 ^
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；
: L; _8 q8 _3 [# ~- V) c9 z% h: }, w
- 1 Y [; G4 _+ W/ M& S- i
; N- i# ^: t ~8 v8 l- , Q n' S: Z- ~$ a. \. C* V
1 R. I) ]* Y, A, l' e, T8 J' }- . y; a6 |* q9 l5 A
- # [: i0 O4 t2 x" q1 i
- ( E7 H3 j+ S) c( _) V+ v1 c
- & M# N* l9 i+ }1 m$ P5 Y
# k% c3 O* ~, R. O3 V! E
#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4 f0 f. W7 F. @( ^
/ |5 b3 a$ X1 L; r6 Z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：
) s O" k: J# X, k% [9 i3 ~
) B& l0 D2 |2 Z. Q读取TXT文件
1 @3 O! N6 G3 ~: A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：
%读取txt文件用到pandas库包中.read_csv（）函数；
3 Z0 m6 h3 y" F8 m* D
( l; Y" P. q1 p" G+ C x
3 h7 P1 Z7 e- G$ [" e- + \" Y( f/ Z* G7 P
- . `4 F8 ~ H1 Z& L# R3 L7 h
- y9 J$ I* M# s; _1 F4 ^6 _
- : S, V+ b' O) y7 u
, |% Z* f2 L4 j8 R$ {% [2 U; l
( w/ f3 p+ x8 _- % n2 h2 k* t- M3 X- D
/ O& h/ P2 Y L8 g4 ]
#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)
7 G7 z6 C/ h- | - ]/ a0 A: k5 Z* R1 F+ r: f1 _
读取结果显示：
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： 3 ?, M$ _/ T5 Z
! J, }# w2 `; f | 
