多维数组netcdf图的python平均值

Posted 2023-03-24

【中文标题】多维数组netcdf图的python平均值

【英文标题】：python average of multidimensional array netcdf plot

【发布时间】：2021-04-18 16:35:28

【问题描述】：

我从 netCDF 文件中读取了一个多维数组。 我需要绘制的变量名为“em”，它有 4 个维度“em（年、组、纬度、经度）”

“组”变量有 2 个值，我只对第一个感兴趣。 所以我需要管理的唯一变量是“年”变量。变量“年”有 17 个值。对于第一个情节，我需要平均前 5 年，对于第二个情节，我必须平均从第 6 年到最后几年。

data = Dataset (r'D:\\Users\\file.nc') 
lat = data.variables['lat'][:]
lon = data.variables['lon'][:]
year = data.variables['label'][:]
group  = data.variables['group'][:] 
em= data.variables['em'][:]

如何为这个数组创建一个二维数组？ 第一个：

`em= data.variables['em'][0:4][0][:][:]`

第二个：

em= data.variables['em'][5:16][0][:][:]

我创建了一个简单的循环

nyear=(2005-2000)+1
for i in range (nyear):
    em_1= data.variables['em'][i][0][:][:]
    em_1+=em_1
em_2000_2005=em_1/nyear

但我认为在 python 上可以有更优雅的简单方法

【参考方案1】：

我强烈建议使用xarray 处理 NetCDF 文件。您可以按名称对其进行操作，而不是按位置跟踪索引，这大大提高了代码的可读性。在您的示例中，您需要做的就是

import xarray as xr

ds = xr.open_dataset(r'D:\\Users\\file.nc')
em_mean1 = ds.em.isel(label = range(6,18)).mean()
em_mean2 = ds.em.isel(label = range(6)).mean()

.isel 方法选择指定维度（在本例中为标签）的索引，.mean() 方法计算选择的平均值。

【参考方案2】：

你可以使用 NumPy：

em = data.variables['em'][:];
em_mean = np.mean(em,axis=0) # if you want to average all over first dimension

如果数据包含 NaN，只需使用 NumPY 的 nanmean。

由于您想平均前 3 个值，对于第一种情况，请使用：

em_mean1 = np.squeeze(np.mean(em[0:4,:],axis=0)) 

并采取情节：

em_mean1 = np.squeeze(em_mean1[0,:]);

你可以对第二种情况做类似的事情。