xarray

NetCDF数据的进一步分析 比较不同数据集、不同季节的气候数据 import os import numpy as np import pandas as pd import matplotlib.pyplot as plt import cartopy.crs as ccrs import cartopy.feature as cfeature import seaborn as sns import geopandas as gpd import earthpy as et import xarray as xr import regionmask # 绘制设置 sns.set(font_scale=1.3) # 字号 sns.set_style("white",{'font.family': 'Times New Roman'}) # 主题 读取数据集 2006-2099年月最高气温 data_path_monthly = 'http://thredds.northwestknowledge.net:8080/thredds/dodsC/agg_macav2metdata_tasmax_BNU-ESM_r1i1p1_rcp45_2006_2099_CONUS_monthly.nc' with xr.open_dataset(data_path_monthly) as

NetCDF4文件处理 下载MACA v2的 netcdf4 格式数据 使用 xarray 读取和处理 netcdf4 格式数据 将 netcdf4 格式数据导出为 .csv 格式 将 netcdf4 格式数据导出为 .tif 格式 参考链接 import os import numpy as np import pandas as pd import matplotlib.pyplot as plt # 处理netcdf4文件所要用到的包 import xarray as xr import rioxarray import cartopy.crs as ccrs import cartopy.feature as cfeature import seaborn as sns import geopandas as gpd import earthpy as et # 统计图绘制选项 sns.set(font_scale=1.3) sns.set_style("white") 文件读取 .nc文件名的含义 agg_macav2metdata_tasmax_BNU-ESM_r1i1p1_historical_1950_2005_CONUS_monthly agg_macav2metdata ：MACA v2版本，降尺度到美国大陆 tasmax ：数据项为最高温度 BNU-ESM

一、meshgrid函数 meshgrid函数通常使用在数据的矢量化上。 它适用于生成网格型数据，可以接受两个一维数组生成两个二维矩阵，对应两个数组中所有的(x,y)对。 示例展示： 由上面的示例展示可以看出，meshgrid的 作用 是： 根据传入的两个一维数组参数生成两个数组元素的列表。 如果第一个参数是xarray，维度是xdimesion， 第二个参数是yarray，维度是ydimesion。 那么生成的第一个二维数组是以xarray为行，共ydimesion行的向量； 而第二个二维数组是以yarray的转置为列，共xdimesion列的向量。 二、 mgrid函数 用法：返回多维结构，常见的如2D图形，3D图形。对比np.meshgrid，在处理大数据时速度更快，且能处理多维（np.meshgrid只能处理2维） ret = np.mgrid[ 第1维，第2维 ，第3维 ， …] 返回多值，以多个矩阵的形式返回， 第1返回值为第1维数据在最终结构中的分布， 第2返回值为第2维数据在最终结构中的分布，以此类推。（分布以矩阵形式呈现） 例如np.mgrid[X , Y] 样本（i，j）的坐标为 （X[i，j] ,Y[i，j]）,X代表第1维，Y代表第2维，在此例中分别为横纵坐标。 例如1D结构（array），如下： In [2]: import numpy as np In