第一步:使用anaconda安装carray库: - & i: f' r4 Z6 u' u* B4 b5 x5 M8 y
" f" J4 R S7 M8 v& H
conda install xarray4 D( m' i. d7 x$ p
/ O0 C3 r2 \9 t$ q }2 [$ m0 s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:
8 [% C5 w% d9 l$ G. i" F% ]2 [3 ^
' z9 P \( A( {5 G
# Z* `6 I0 M) G* K3 f# ~' X- 2 Y: ]7 i+ M; y! r$ q
+ `$ |; }. @( Z( d5 |( \! h
* V5 }- I1 @+ A) J/ y8 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)
9 o d, J1 O0 n
* E% J7 ~6 r6 ^& O3 d% R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。
# W; w' H" W) V2 P& S* @9 T& g4 a8 T第三步代码如下: % q! }+ V- E/ X% h) Q
- ! ] l, {2 Q/ ~" j/ q T
9 @ T1 ~5 w9 u: n K; |+ x/ r
% F, q3 F! x+ L3 {7 j/ A3 `- M- ! s: A$ D* w/ e! a
: |$ i0 Z6 _/ O( F& O
3 ?- N: Z8 n, \8 r
4 E* X/ Z1 ~0 g) x. a- A% J
' ^/ E' N0 @* ~$ ?3 V; ^9 h- N" o0 \0 z) |* |* Z
4 @0 D+ x5 M ]" D! j
#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)
0 v, i9 q2 Y, {6 L3 L' _6 `& ~
( I! Y9 I' k( \% K" r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。
% L* ?0 p% f* J. f, v
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。
" [0 [5 _8 |7 I
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。
& ]) y( \: [( h. o1 A在这里,我选取了40°N-55°N,115°E-135°E范围的数据
% Z4 K4 |1 A( n& l0 B; I& V完整代码 5 n$ m% o* Z# m& u9 R
- $ W1 J9 X" v: \0 o# I6 n7 k. m
- 7 `* Y; l) v# ?' L8 L2 \, S
, }$ j S8 G/ i' ]- 3 A1 I9 q8 t% l8 U( O
* L8 ~/ M9 a8 I, a+ g
4 g8 W' R& B/ j; [( B- * l- g* s, R. f( Z4 A% X- I- L! l6 \
- 6 L1 ^$ Q$ U5 q/ R8 D3 ]
+ l5 I# V) t& A% {
, n; p: f9 ]( U4 |' J; K1 z- ' ^5 q! B7 }* N
- . ^8 i, Y; J4 F/ J/ Y W0 y' s
- 5 ]- y5 y9 U* ?
' ]) j0 q. q8 O- K- . ?1 {' i: ^: H D0 V7 e
- 4 p C. }* P, H8 E* J4 P9 Q
- 4 s4 f. s, W. b* `0 ^
- 2 [* a, f- ]) N8 K* N. \4 m
8 b' B5 {& A$ e/ J5 }) t
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) , |7 I: t. F) T- o0 N+ y. j
|