使用python的netCDF4庫讀取.nc檔案 和 建立.nc檔案

　　使用python netCDF4庫讀取.nc檔案 和 建立.nc檔案

　　1. 介紹

　　.nc(network Common Data Format)檔案是氣象上常用的資料格式，python上讀取.nc使用較多的庫為netCDF4這個庫，下面將介紹這個庫的具體方法。

　　安裝很簡單:

　　pip install netCDF4

　　2. .nc檔案的讀取

　　#匯入nc庫

　　import netCDF4 as nc

　　filename = '2017-06-15_2017-06-17.nc' # .nc檔名

　　f = nc.Dataset(filename) #讀取.nc檔案，傳入f中。此時f包含了該.nc檔案的全部資訊

　　#step1： 檢視.nc檔案的全部變數，及該變數的全部資訊(維度大小，單位等)

　　all_vars = f.variables.keys() #獲取所有變數名稱

　　print(len(all_vars)) #長度為18

　　all_vars_info = f.variables.items() #獲取所有變數資訊

　　print(type(all_vars_info)) #輸出為： odict_items 。這裡將其轉化為 list列表

　　print(len(all_vars_info)) #長度為18

　　all_vars_info = list(all_vars_info) #此時每個變數的資訊為其中一個列表

　　如圖：包含經緯度、時間、等變數名稱

　　

　　看看 all_vars_info的前兩個變數的資訊，如下，顯示了 shape unit name float32 fillvalue等資訊

　　#step2： 檢視.nc檔案的單個變數，及該變數的全部資訊(維度大小，單位等)

　　如果對某個變數感興趣(已知變數名)，想檢視這個變數的資訊，獲取這個變數的資料，方法如下：

　　#我們要檢視 ’u‘的資訊

　　var = 'u'

　　var_info = f.variables[var] #獲取變數資訊

　　var_data = f[var][:] #獲取變數的資料

　　print(var_info)

　　print(var_data.shape)

　　#很方便轉化為array陣列

　　print(type(var_data)) # .nc檔案的變數陣列都為Masked array

　　var_data = np.array(var_data) #轉化為np.array陣列

　　輸出如下：

　　#step3： 列表形式記錄所有變數資訊

　　###最直接的辦法，獲取每個變數的縮寫名字，標準名字(long_name),units和shape大小。這樣很方便後續操作

　　all_vars_name = []

　　all_vars_long_name = []

　　all_vars_units = []

　　all_vars_shape = []

　　for key in f1.variables.keys():

　　all_vars_name.append(key)

　　all_vars_long_name.append(f1.variables[key].long_name)

　　all_vars_units.append(f1.variables[key].units)

　　all_vars_shape.append(f1.variables[key].shape)

　　結果如下：

　　

　　**注意：**完成上述操作之後，記得關掉該檔案

　　f.close() #關閉檔案。如果檔案關閉後，再使用f.variabels.items()等操作是行不通的。

　　3. nc檔案的建立

　　#step1： 建立一個檔案

　　f_w = nc.Dataset('hecheng.nc','w',format = 'NETCDF4') #建立一個格式為.nc的，名字為 ‘hecheng.nc’的檔案

　　#step2： 寫入一些基本的資訊

　　.nc檔案的裡面的每個變數都有維度資訊，比如，上面的 var=‘u’,維度為 1237161*177。這裡面的各個維度，並不是隨便定義的，是與基礎的變數資訊相關的。

　　如[12,37,161,177] = [time,level,latitude,longitude],第一個維度為時間資訊，依次為 垂直層資訊，緯度、經度資訊。

　　所以，我們要先寫入一些基本的資訊：時間，垂直層，緯度，經度

　　#time緯度為12。注意，第2個引數 表示維度，但是必須是 integer整型，也就是隻能建立一個基礎單一維度資訊。

　　#如果後面要建立一個變數維度>1，則必須由前面的單一維度組合而來。後面會介紹。

　　#確定基礎變數的維度資訊。相對與座標系的各個軸(x,y,z)

　　f_w.createDimension('time',12)

　　f_w.createDimension('level',37)

　　f_w.createDimension('lat',161)

　　f_w.createDimension('lon',177)

　　##建立變數。引數依次為：‘變數名稱’，‘資料型別’，‘基礎維度資訊’

　　f_w.createVariable('time',np.int,('time'))

　　f_w.createVariable('level',np.int,('level'))

　　f_w.createVariable('lat',np.float32,('lat'))

　　f_w.createVariable('lon',np.float32,('lon'))

　　#寫入變數time的資料。維度必須與定義的一致。

　　time = np.array([0,6,12,18,0,6,12,18,0,6,12,18])

　　f_w.variables['time'][:] = time

　　#新建立一個多維度變數，並寫入資料，

　　f_w.createVariable( 'u', np.float32, ('time','level','lat','lon'))

　　var_data = np.ones(shape=(12,37,161,177), dtype = np.float32)

　　f_w.variables[var][:] = var_data

　　關閉檔案

　　f_w.close()

　　還可以寫入fill_value等資訊

　　

　　按照上述方式建立完成後，用一些視覺化軟體開啟，結果如上圖。

　　#step3： 建立群組

　　如上圖，所以變數都是平行的位置，如果變數特別多，將相同型別的變數放進同一個group中，會更加方便。

　　來看一個示例： 無錫婦科醫院排行

　　f_w = nc.Dataset('haha4.nc','w',format = 'NETCDF4')

　　f_w.createDimension('time',12)

　　f_w.createDimension('level',37)

　　f_w.createDimension('lat',161)

　　f_w.createDimension('lon',177)

　　f_w.createVariable('time',np.int,('time'))

　　f_w.createVariable('level',np.int,('level'))

　　f_w.createVariable('lat',np.float32,('lat'))

　　f_w.createVariable('lon',np.float32,('lon'))

　　time = np.array([0,6,12,18,0,6,12,18,0,6,12,18])

　　f_w.variables['time'][:] = time

　　f_w.variables['level'][:] = level

　　f_w.createVariable( 'q', np.float32, ('time','level','lat','lon'))

　　var_data = np.ones(shape=(12,37,161,177), dtype = np.float32)

　　f_w.variables['q'][:] = var_data

　　#建立一個群組，名字為'wind'

　　group1 = f_w.createGroup('wind')

　　group1.createVariable( 'u', np.float32, ('time','level','lat','lon'))

　　var_data = np.ones(shape=(12,37,161,177), dtype = np.float32)

　　group1.variables['u'][:] = var_data

　　group1.createVariable( 'v', np.float32, ('time','level','lat','lon'))

　　var_data = np.zeros(shape=(12,37,161,177), dtype = np.float32)

　　group1.variables['v'][:] = var_data

　　group1.close # 關閉群組， 注意，這裡沒有括號

　　f_w.close()

　　建立結果如下：

　　看，group的資訊出來了

　　**#step4：檢視帶有group的.nc檔案的資訊 **

　　f1 = nc.Dataset('haha5.nc')

　　vars = f1.variables.keys() #odict_keys(['time', 'level', 'lat', 'lon', 'q']) 看不到groups資訊

　　#透過以下命令

　　group_name = f1.groups.keys() #獲取組名,輸出為：odict_keys(['wind'])

　　使用如下命令都能看到group內的變數的資訊。

　　#獲取group內的變數的資料

　　group_var_data = f1['wind']['u'][:]

　　print(group_var_data.shape) #(12, 37, 161, 177)

　　4. 總結

　　氣象上常用除了.nc檔案外，還有 hdf檔案，這兩者格式都差不多，但是我更愛.hdf格式檔案