我有一个带有多个值 < 0 的 netcdf 文件。我想用一个值(比如-1)替换所有这些值。我如何使用 netCDF4 做到这一点?我正在阅读这样的文件:
import netCDF4
dset = netCDF4.Dataset('test.nc')
dset[dset.variables['var'] < 0] = -1
我有一个带有多个值 < 0 的 netcdf 文件。我想用一个值(比如-1)替换所有这些值。我如何使用 netCDF4 做到这一点?我正在阅读这样的文件:
import netCDF4
dset = netCDF4.Dataset('test.nc')
dset[dset.variables['var'] < 0] = -1
如果要将数据保留在 netCDF 变量对象中,这应该可以:
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
如果您不想写回磁盘,请继续获取 numpy 数组并对其进行切片/分配:
data = dset['sea_ice_cover'][:] # data is a numpy array
data[data < 0] = -1
对我来说,以前的答案不起作用,我用以下方法解决了它:
dset = netCDF4.Dataset('test.nc','r+')
dset.variables['var'][:]
... your changes ...
dset.close()
解决方案 1:Python xarray
此解决方案使用 xarray 来读取和写入 netcdf 文件,以及包的函数在哪里有条件地重置值。
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
Soln 2:来自命令行的 NCO
我知道 OP 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,还有一种方法可以使用 nco 来完成:
ncap2 -s 'where(x<0.) x=-1;' input.nc -O output.nc
根据这篇文章:将低于阈值的值设置为 netcdf 文件中的阈值
为了使用方程而不是仅使用常数进行条件计算,我根据@jhamman 的代码为形状为 (month,lats,lons) 的变量包含了条件迭代,如下所示:
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()
然而问题是它变成了一个非常慢的代码。
Step1 took: 0.0343s
Step2 took: 0.0253s
month lats lat layer: 0.4064s
One full month took 250.8082s
这是由于迭代的逻辑。但是,我想知道你们中是否有人知道如何加快速度。这个目标真的需要迭代吗?