|
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：
! c7 s8 Y. M" ~, M
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； ( Z; L8 W' F* o& p4 r/ H0 r
% c* O; K! e4 r
2 O9 j/ X/ t0 {# G$ @5 |6 {
# f' y( v! ~: L! _6 q) e" k( g4 W- ) u2 D/ N1 I" o0 f- q
- ( z8 ^$ J D- }5 j
% ?7 B6 e6 _' J
) L* G" O% P/ T1 q5 I- @# R: v
9 l# J& t9 ?! C$ g- # H# M' M/ Y2 b" k7 n3 P1 g
- n. n4 y7 F5 N% i2 K
#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 D& l. V- o2 e! I) A1 ]
6 a( B. P3 Q2 i; `* ?
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：
( T1 H1 d( e, F; A6 V" H
) B+ x: G7 ~3 c- F( p
读取TXT文件
3 B G1 M6 q5 E4 j; s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； / ^8 ^8 k: m* T6 o; e
" d* e( B: E. ` r- 4 W7 ^# Z% l- ~' a
- 7 v* b1 R3 N" K) F
- % b6 ]8 L2 w2 Z2 `+ h( R! p
' o% ?% D; a$ q& P! V! g- $ E) n V U5 t5 N
- ) n9 U- H" Z" b/ n6 b
- 8 R: B& ^7 b- h& ?: J
. M8 F7 w' B; b, c& N& e: X. ]7 g. ]5 T2 F( Z
#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)
9 [3 E4 D2 C+ Q1 R4 q9 }. l! m - e- k7 _8 s/ c3 T6 r- W
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：
0 B- {2 E8 z+ g+ e/ F7 N f8 _) }% }6 H
| 
