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:


7 F& N- p7 P* O" {7 t$ A0 \! g

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;


3 V6 Z2 }( Q0 ]+ |

  • + D7 t/ j6 @" _) i9 a4 _3 k0 X

  • - e- S6 B$ j7 O7 i' G3 ]- ^  l9 E

  • & Y, }1 B% F, V6 @- E5 b

  • + y9 L& X4 g+ C. |9 x8 Q

  • 8 A- z8 j9 b+ ?6 K6 d" F' B8 c

  • : D2 m* y- c4 Z( V2 X( L
  • : N  G2 M- i% Z, H' g' z  e" q

  • , N7 o# c# e- e; F0 n, i! v6 e$ V

  • . f, ?& o5 H9 U% L5 O! B
    . J/ E/ O! x% U8 T+ ]; @5 i

#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7 d9 Y; d: ^; n, A


  {. m* R( r" N; n" w$ P/ h

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

# o- n1 y& [/ g% |) L1 y

: N. r" }* z+ t

读取TXT文件


5 u2 J3 _( k; ^

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;

4 J7 O; p2 T: P$ _: s

  • ( P6 m% _/ R# i0 u& m

  • 3 @8 w1 l/ v9 z: a3 Y
  • 6 n% i. b4 b( @1 q; E3 I2 P

  • / T( b8 K- G0 g7 t4 d5 l: q

  • 8 F9 ~( r2 ^% r

  • $ a9 D' I: c0 K  o% I
  • 0 S, {$ Z9 i0 J# x: \6 O
  • ; N( a# q* k7 E9 T. G2 Y3 j, N

  • 7 f/ |: j# R8 B  G1 |" T* G2 H% [/ M* s3 d+ \

#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 d3 z0 ^# j- ^3 s4 V/ l9 p

8 j% n8 d; S" R4 {/ P4 M

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。


    % y  Y" I# f. Q: n/ C5 ]& R
6 z$ o# c9 C( o* t$ R1 O
) {% l: ]5 C& r9 w- O
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