我有一个包含多个小于0的值的netcdf文件。我想将它们全部替换为单个值(比如-1)。我该如何使用netCDF4实现这一点?我是这样读取文件的:
import netCDF4
dset = netCDF4.Dataset('test.nc')
dset[dset.variables['var'] < 0] = -1
我有一个包含多个小于0的值的netcdf文件。我想将它们全部替换为单个值(比如-1)。我该如何使用netCDF4实现这一点?我是这样读取文件的:
import netCDF4
dset = netCDF4.Dataset('test.nc')
dset[dset.variables['var'] < 0] = -1
如果您想保留netCDF变量对象中的数据,则应该使用以下方法:
import netCDF4
dset = netCDF4.Dataset('test.nc', 'r+')
dset['var'][:][dset['var'][:] < 0] = -1
dset.close() # if you want to write the variable back to disk
如果您不想将数据写回磁盘,请直接获取numpy数组并进行切片/赋值:
data = dset['sea_ice_cover'][:] # data is a numpy array
data[data < 0] = -1
对我而言,前面的回答并不可行,我用以下方法解决:
dset = netCDF4.Dataset('test.nc','r+')
dset.variables['var'][:]
... your changes ...
dset.close()
解决方案1:Python xarray
该解决方案使用xarray读取和写入netcdf文件,并使用该软件包的函数where来有条件地重置值。
import xarray as xr
ds=xr.open_dataset('test.nc')
ds['var']=xr.where((ds['var']<0),-1,ds['var'])
ds.to_netcdf('modified_test.nc') # rewrite to netcdf
解决方案2:使用命令行中的NCO
我知道原帖想要一个Python解决方案,但如果有人只想从命令行快速执行此任务,则也可以使用NCO进行操作:
ncap2 -s 'where(x<0.) x=-1;' input.nc -O output.nc
根据此帖子:将netcdf文件中低于某个阈值的值设置为该阈值
解决方案3:使用CDO命令行
cdo还具有表达式功能,可以让您在命令行中一行代码解决此问题。
cdo -expr,'var = ((var < 0)) ? -1 : var' infile.nc outfile.nc
Python中有一个 cdo 软件包,可让您直接在Python中使用此功能,而无需使用 sys 。
import netCDF4 as nc
import numpy as np
import time
Tmin = -1.7
Tmax = 4.9
perc = (Tmax-Tmin)/100
lats = np.arange(0,384,1)
lons = np.arange(0,768,1)
months = [0,1]
dset = nc.Dataset('path/file.nc', 'r+')
start = time.time()
dset['var'][:][dset['var'][:] < Tmin] = 100
step1 = time.time()
print('Step1 took: ' + str(step1-start))
dset['var'][:][dset['var'][:] > Tmax] = 0
step2 = time.time()
print('Step2 took: ' + str(step2 - step1))
#start iteration of each dimension to alter individual values according to equation new_value = 100-((Old_value +1.8)/1%)
for m in months:
newstart = time.time()
for i in lats:
step3 = time.time()
print('month lats lat layer '+str(i)+' took: '+str(step3-newstart) +'s')
for j in lons:
if dset['var'][m,i,j] < Tmax and dset['var'][m,i,j] > Tmin:
dset['var'][m,i,j] = 100-((dset['var'][m,i,j]+1.8)/perc)
end = time.time()
print('One full month took: ' + str(end-start) +'s')
dset.close()
Step1 took: 0.0343s
Step2 took: 0.0253s
month lats lat layer: 0.4064s
One full month took 250.8082s
这是由于迭代逻辑导致的。不过我想知道你们中是否有人有加速这个过程的想法。这些迭代对于实现这个目标真的必要吗?