Python - 使用点列表从网格 NetCDF 中提取数据,无需 for 循环

2024-02-23

以下示例使用东风的“Unidata”样本 netCDF 数据集,可以从这里下载的 https://www.unidata.ucar.edu/software/netcdf/examples/sresa1b_ncar_ccsm3-example.nc(2.8 MB)

我有两个对应于的整数列表x and ynetCDF 文件中网格数组的索引。我想提取数据并将其保存到每个点组合的一维数组或列表中(例如点:[(x[0],y[0]), (x[1],y[1]), (x[2],y[2]), ... , (x[n],y[n])]).

我可以使用这种方法很容易地做到这一点......

from netCDF4 import Dataset

# grid point lists
lat = [20, 45, 56, 67, 88, 98, 115]
lon = [32, 38, 48, 58, 87, 92, 143]

# open netCDF file
nc_file = "./sresa1b_ncar_ccsm3-example.nc"
fh = Dataset(nc_file, mode='r')

# extract variable
point_list = zip(lat,lon)
ua_list = []
for i, j in point_list:
    ua_list.append(fh.variables['ua'][0,16,i,j])

print(ua_list)

返回:

[59.29171, 17.413916, -4.4006901, -11.15424, -5.2684789, 2.1235929, -6.134573]

However append()在大数据集上很笨重,我正在尝试加快我的代码速度,所以我也不想使用 for 循环,而宁愿在一行中返回结果。我尝试使用这一行这样做:

# extract variable
ua_array = fh.variables['ua'][0,16,lat,lon]
print(ua_array)

它返回所有可能的点组合,而不仅仅是我所追求的点组合:

[[ 59.2917099   60.3418541   61.81352234  62.66215515  60.6419754 60.00745392  52.48550797]
[ 18.80122566  17.41391563  14.83201313  12.67425823  13.99616718 14.4371767   14.12419605]
[ -5.56457043  -5.20643377  -4.40069008  -3.25902319  -2.36573601 -2.25667071  -1.0884304 ]
[-11.66207981 -11.46785831 -11.35252953 -11.15423965 -11.35271263 -11.55139542 -11.68573093]
[ -1.15064895  -1.52471519  -2.12152767  -2.67548943  -5.26847887 -5.79328251  -6.16713762]
[ -1.95770085  -0.56232995   0.82722098   1.39629912   2.65125418 2.12359285  -6.47501516]
[ -9.76508904 -10.13490105 -10.76805496 -11.31607246 -11.93865585 -11.56440639  -6.13457298]]

如何对 netCDF 文件进行切片,以便在一行中获得与上述代码相同的结果?提前致谢。


进行正常索引0and 16首先,然后是高级索引lat and lon:

ua_array = fh.variables['ua'][0,16][lat,lon]
print(ua_array)

Output:

[ 59.2917099   17.41391563  -4.40069008 -11.15423965  -5.26847887
   2.12359285  -6.13457298]

BTW, ua_array是一个 NumPy 数组。因此,称其为ua_list有点误导。

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

Python - 使用点列表从网格 NetCDF 中提取数据,无需 for 循环 的相关文章

随机推荐