|
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： : R, B3 o4 @% i6 W
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: {/ Q$ B5 e/ q, `
& |7 |% p b6 f) l3 h- Y' i
- x$ _/ l ~- L* ?. s
3 r3 B: R6 K1 t7 K
( u0 ~0 ]2 F( i
! @2 N7 @: `5 Z$ q7 G) z- ; p: d" b- ]( K' c: F' d D- ]
8 e! c) q5 I& Y4 T' I# F- - i) H% m+ N P1 S: r& e
- 1 q. Y2 B) f1 v8 m2 _. ^& v2 O& c ?3 N
. M, e# @: n; }4 l" a' 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9 b" A8 w; f) d3 O/ C& O$ s
( A" G1 T" E- l+ W7 N+ X" 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：
. e$ y- t+ j% p6 k% I
$ A; l, X4 T4 J读取TXT文件 # D5 ^3 p) }& S: V1 _
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；
/ U" Y0 L. d7 S6 v! Z- / G4 |- I! t) f
- ( d4 g! M4 S8 r1 ^! J
. v: g* F# X: t( [
) B- [, t( p( F% ]9 Z- 7 T' C' D" n8 g3 G; s0 O
- 4 x4 T: u) S& n2 P
- 8 I, e3 J1 X: U9 C+ K! V
1 m: C+ a+ C% a- 0 V7 j: j- ^3 x4 X J$ u
) E9 z6 k" O/ O6 `
#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)/ L0 K+ |7 m6 m: o( r# m& ]' C
8 ?4 |; R. B8 q$ K- f2 I) a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： 1 t) \9 s5 ^# U" y$ ?6 Z
% }% r. ?+ q" o
| 
