我有几个 netCDF
可下载的文件 此处创立者 Coperinucs. 有四个文件,每个文件约1GB。
我读取的文件是这样的
import xarray as xr
dset = xr.open_dataset("~/.../ERA5land1.nc")
这让我
<xarray.Dataset>
Dimensions: (latitude: 61, longitude: 101, time: 87647)
Coordinates:
* latitude (latitude) float32 31.0 30.9 30.8 30.7 ... 25.3 25.2 25.1 25.0
* longitude (longitude) float32 79.0 79.1 79.2 79.3 ... 88.7 88.8 88.9 89.0
* time (time) datetime64[ns] 1981-01-01T01:00:00 ... 1990-12-31T23:00:00
Data variables:
t2m (time, latitude, longitude) float32 dask.array<shape=(87647, 61, 101), chunksize=(10, 61, 101)>
Attributes:
Conventions: CF-1.6
history: 2020-03-10 16:47:13 GMT by grib_to_netcdf-2.16.0: /opt/ecmw...
计算平均数应该是直截了当的,根据。文件
mean = dset.mean()
导致电脑冻结,最后崩溃。试图 chunk
数据也不工作。
dset = xr.open_dataset("~/.../ERA5land1.nc", chunks = {'time': 10})
mean = dset.mean()
这不会崩溃,但我得到这个
<xarray.Dataset>
Dimensions: ()
Data variables:
t2m float32 dask.array<shape=(), chunksize=()>
我想知道如何才能计算出 min
, max
和 mean
并将其存储在一个新的 netCDF
文件的规格相同。
这个问题可以用我的包nctoolkit来解决(可以通过pip.xr.dset.xr.open_dataset("~......"))。https:/pypi.orgprojectnctoolkit。,用户指南。https:/nctoolkit.readthedocs.ioenlatestinstalling.html。).
这使用CDO作为后端,所以应该能够轻松处理你的数据。
所需的代码和你提供的非常相似。
import nctoolkit as nc
dset = xr.open_dataset("~/.../ERA5land1.nc")
mean = dset.mean()
如果你想要一个xarray数组,你可以这样做。
mean.to_xarray()