python 合并多个有规则命名的nc文件

简介: 现有多个nc文件,命名除了年份不同外,其他皆相同。希望将多个的nc文件合并为一个。

现有多个nc文件,命名除了年份不同外,其他皆相同。希望将多个的nc文件合并为一个。


adfdf52199b94de2a443b45df4ca1d25.png


其中,每个nc文件内包含如下内容,包含12个月均数据


51841a4c782b4deaaf79631464797b9f.png


因此,我们可以知道,合并两个nc文件,time应该=‘24’,合并三个,time=‘36’。以此类推,合并x年,time=x*12。


主要通过xarray实现合并功能,并写出合并后的nc文件:


#导入用到的库
import xarray as xr
import os
#首先,利用一个循环将需要合并的年份挑选出来。我这里选择1982-2012年的数据
file_xadv=[]
for year in range(1982,2013):    
  fn=os.path.join(path1,'xadv'+'%04.0f'%year+'.mon.161x720.nc')
    file_xadv.append(fn)


运行后可以得到所有完整路径的文件列表:


b17ca2be102e4016b26a25b49ea045e1.png


下面就是进行合并啦:


#合并nc文件,通过xarray打开nc文件,并得到所需变量的xarray.DataArray,之后利用xarray.concat()实现合并的功能
xadv_new=[]
for i in range(len(file_xadv)):
     xadv=xr.open_dataset(file_xadv[i])['xadv']
     xadv_new.append((xadv))
da=xr.concat(hadv_new,dim='time')


运行发现合并好啦:


f84374abc5704de7b4fda39a0eb0060a.png


xarray.concat()官方介绍如下:

xarray.concat

例外,官网也给出了其他的合并方式,大家可以按需所求:

1、有关沿单个维度组合数据集或数据数组的信息,使用 concatenate。

2、有关合并具有不同变量的数据集,使用 merge。

3、 有关合并具有不同索引或缺失值的数据集或数据数组的信息,使用 combine。

4、有关沿多个维度组合数据集或数据数组的信息,使用 combining.multi。

Combining data


附上完整实现代码:


import xarray as xr
import os
path1='E:\\BaiduNetdiskDownload\\MSE_budget\\xadv\\'
file_xadv=[]
for year in range(1982,2013):
     fn=os.path.join(path1,'xadv'+'%04.0f'%year+'.mon.161x720.nc')
     file_xadv.append(fn)
hadv_new=[]
for i in range(len(file_xadv)):
     xadv=xr.open_dataset(file_xadv[i])['xadv']
     hadv_new.append((xadv))
da=xr.concat(hadv_new,dim='time')
da.to_netcdf('D:\\desktopppp\\sst_olr\\interp_nan\\xadv_interp.nc')#输出合并后的nc文件


好啦,今天的分析就到这里啦,感兴趣的小伙伴快去尝试一下吧~


        一个努力学习python的海洋小白
                水平有限,欢迎指正!!!
                欢迎评论、收藏。


相关文章
|
4月前
|
数据可视化 Linux iOS开发
Python脚本转EXE文件实战指南:从原理到操作全解析
本教程详解如何将Python脚本打包为EXE文件,涵盖PyInstaller、auto-py-to-exe和cx_Freeze三种工具,包含实战案例与常见问题解决方案,助你轻松发布独立运行的Python程序。
1226 2
|
3月前
|
监控 机器人 编译器
如何将python代码打包成exe文件---PyInstaller打包之神
PyInstaller可将Python程序打包为独立可执行文件,无需用户安装Python环境。它自动分析代码依赖,整合解释器、库及资源,支持一键生成exe,方便分发。使用pip安装后,通过简单命令即可完成打包,适合各类项目部署。
|
5月前
|
缓存 数据可视化 Linux
Python文件/目录比较实战:排除特定类型的实用技巧
本文通过四个实战案例,详解如何使用Python比较目录差异并灵活排除特定文件,涵盖基础比较、大文件处理、跨平台适配与可视化报告生成,助力开发者高效完成目录同步与数据校验任务。
186 0
|
6月前
|
编译器 Python
如何利用Python批量重命名PDF文件
本文介绍了如何使用Python提取PDF内容并用于文件重命名。通过安装Python环境、PyCharm编译器及Jupyter Notebook,结合tabula库实现PDF数据读取与处理,并提供代码示例与参考文献。
|
6月前
|
编译器 Python
如何利用Python批量重命名文件
本文介绍了如何使用Python和PyCharm对文件进行批量重命名,包括文件名前后互换、按特定字符调整顺序等实用技巧,并提供了完整代码示例。同时推荐了第三方工具Bulk Rename Utility,便于无需编程实现高效重命名。适用于需要处理大量文件命名的场景,提升工作效率。
|
6月前
|
安全 Linux 网络安全
Python极速搭建局域网文件共享服务器:一行命令实现HTTPS安全传输
本文介绍如何利用Python的http.server模块,通过一行命令快速搭建支持HTTPS的安全文件下载服务器,无需第三方工具,3分钟部署,保障局域网文件共享的隐私与安全。
1289 0
|
6月前
|
数据管理 开发工具 索引
在Python中借助Everything工具实现高效文件搜索的方法
使用上述方法,你就能在Python中利用Everything的强大搜索能力实现快速的文件搜索,这对于需要在大量文件中进行快速查找的场景尤其有用。此外,利用Python脚本可以灵活地将这一功能集成到更复杂的应用程序中,增强了自动化处理和数据管理的能力。
491 0
|
4月前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的首选语言
Python:现代编程的首选语言
331 102
|
4月前
|
数据采集 机器学习/深度学习 算法框架/工具
Python:现代编程的瑞士军刀
Python:现代编程的瑞士军刀
356 104
|
4月前
|
人工智能 自然语言处理 算法框架/工具
Python:现代编程的首选语言
Python:现代编程的首选语言
283 103

推荐镜像

更多