基于Python的Grib数据可视化
来源:互联网 发布:淘宝网店推广软文 编辑:程序博客网 时间:2024/04/30 10:09
作者:kallan
一、库的安装
(一)matplotlib安装
matplotlib依赖
- nose
- numpy
- pyparsing
- python-dateutil
- cycler
- pkg-config
- freetype
- libpng
安装过程
这里我都是通过源码包安装的,大家也可以再终端里通过pip install 命令来安装
1、安装nose
解压缩后,进入命令提示符 运行
1 python3 setup.py install
2、安装numpy
解压缩后,进入命令提示符 运行
1 python3 setup.py install
3、安装pyparsing
解压缩后,进入命令提示符 运行
1 python3 setup.py install
4、安装python-dateutil
解压缩后,进入命令提示符 运行
1 python3 setup.py install
5、安装cycler
解压缩后,进入命令提示符 运行
1 python3 setup.py install
6、安装pkg-config
1 ./configure --with-intermal-glib2 make && date3 sudo make install && date
7、安装freetype
1 ./configure2 make && date3 sudo make install && date
8、安装libpng
1 ./configure2 make && date3 sudo make install && date
9、安装matplotlib-1.5.0
解压缩后,进入命令提示符 运行
1 python3 setup.py install
(二)basemap安装
basemap依赖
- geos
- pyproj
安装过程
1、安装GEOS
1 ./configure2 make && date3 sudo make install && date
2、安装pyproj
1 python3 setup.py install
3、安装basemap
1 python3 setup.py install
(三)pygrib安装
pygrib依赖
- Jasper
- GRIB API
- numpy
- pyproj
安装过程
由于之前已经安装了numpy和pyproj,这里只需安装Jasper和GRIB API即可安装pygrib
1、安装Jasper
1 ./configure2 make && date3 sudo make install && date
2、安装GRIB API
1 ./configure --with-jasper='/usr/local/'2 make && date3 sudo make install && date
3、安装pygrib
安装pygrib之前首先要根据自己的实际情况修改文件目录下的setup.cfg文件,最主要的就是修改grib_api_dir和jasper_dir,这两个是刚刚安装的Jasper和GRIB API的路径,如果这两个地址不正确安装会报错
修改好就可以正常安装了
1 python3 setup.py install
二、grib数据读取
虽然我做的东西和气象沾边,但是我本身并不是气象专业出身,所有这些东西都是我慢慢研究琢磨出来的,所以有些方面可能讲的比较外行,有不对的地方欢迎大家留言指正。
(一)导入pygrib模块
1 >>> import pygrib
(二)打开Grib文件
1 >>> grbs = pygrib.open('/Users/Kallan/Documents/data/echhae50.082')
(三)提取文件信息
1 >>> grbs.seek(0)2 >>> for grb in grbs:3 grb4 1:Geopotential Height:gpm (instant):regular_ll:isobaricInhPa:level 500:fcst time 24 :from 201507081200
信息解读
1 :数据列表的行号,有的文件可能包括多个数据
Geopotential Height:数据的名称
gpm (instant):数据的单位
regular_ll:常规数据,其实这个字段我也不清楚
isobaricInhPa:这个字段表示的是数据属性,此处表示是以hPa为单位的等压面
level 500:这个字段表示的是高度层
fcst time 24 :预报时效
from 201507081200 :起报时间
综合上面的信息可以得出,这个文件是从2015年7月8日12时开始的24小时后500hPa等压面高度场数据
(四)导出文件数据
1 >>> grb = grbs.select(name='Geopotential Height')[0] 2 >>> data = grb.values 3 >>> print(data.shape,data.min(),data.max()) 4 (37, 37) 5368.6796875 5941.0390625 5 >>> lat,lon=grb.latlons() 6 >>> print(lat,'\n',lon) 7 [[ 0. 0. 0. ..., 0. 0. 0. ] 8 [ 2.5 2.5 2.5 ..., 2.5 2.5 2.5] 9 [ 5. 5. 5. ..., 5. 5. 5. ]10 ...,11 [ 85. 85. 85. ..., 85. 85. 85. ]12 [ 87.5 87.5 87.5 ..., 87.5 87.5 87.5]13 [ 90. 90. 90. ..., 90. 90. 90. ]]14 [[-90. -87.5 -85. ..., -5. -2.5 0. ]15 [-90. -87.5 -85. ..., -5. -2.5 0. ]16 [-90. -87.5 -85. ..., -5. -2.5 0. ]17 ...,18 [-90. -87.5 -85. ..., -5. -2.5 0. ]19 [-90. -87.5 -85. ..., -5. -2.5 0. ]20 [-90. -87.5 -85. ..., -5. -2.5 0. ]]
三、grib数据可视化
(一)导入需要的模块
1 >>> import matplotlib.pyplot as plt2 >>> from mpl_toolkits.basemap import Basemap3 >>> import numpy as np
(二)创建一个figure
1 >>> plt.figure()2 <matplotlib.figure.Figure object at 0x107e65198>
(三)创建一个basemap实例
1 >>> m=Basemap(projection='mill',lat_ts=10,llcrnrlon=lon.min(), \ 2 urcrnrlon=lon.max(),llcrnrlat=lat.min(),urcrnrlat=lat.max(), \ 3 resolution='c') 4 >>> m.drawcoastlines(linewidth=0.25) 5 <matplotlib.collections.LineCollection object at 0x1091c1f28> 6 >>> m.drawcountries(linewidth=0.25) 7 <matplotlib.collections.LineCollection object at 0x10621d0f0> 8 >>> m.fillcontinents(color='coral',lake_color='aqua') 9 >>> m.drawmapboundary(fill_color='aqua')10 <matplotlib.patches.Rectangle object at 0x10918b3c8>11 >>> m.drawmeridians(np.arange(0,360,30))12 >>> m.drawparallels(np.arange(-90,90,30))
(四)将lat,lon的数据格式转换成投影需要的格式存入x,y
1 >>> x, y = m(lon,lat)
(五)绘制等值线
1 >>> cs = m.contour(x,y,data,15,linewidths=1.5)
(六)命名并显示图像
1 >>> plt.title('Geopotential Height Contour from Grib')2 <matplotlib.text.Text object at 0x10918bda0>3 >>> plt.show()
(七)图像展示
End.
转载请注明来自36大数据(36dsj.com):36大数据 » 基于Python的Grib数据可视化
- 基于Python的Grib数据可视化
- 『数据可视化』基于Python的数据可视化工具
- Windows下Python读取GRIB数据
- Windows下Python读取GRIB数据_0
- Windows下Python读取GRIB数据
- 基于Python的数据可视化 matplotlib seaborn pandas
- 基于Python Plotly 对 MySQL 存储数据的可视化初步
- Python-Matplotlib(4) 基于真实数据集的可视化分析
- 基于PetShop的数据可视化网站(三):可视化插件
- 基于javascript的简单数据可视化:DVisual
- 快速基于echarts的大数据可视化
- 快速基于echarts的大数据可视化
- 基于 javascript 的数据可视化工具
- 基于GephiSDK的数据可视化功能开发
- 利用python数据分析——基于Seaborn模块可视化
- python实现cifar10数据集的可视化
- python数据可视化pydot的安装
- 数据可视化环境Python接口的配置
- 文本可视化(一)——《今生今世》词云生成与小说分析
- 工业相机运行流程
- 利用 ELK系统分析Nginx日志并对数据进行可视化展示
- 针对XSS跨站脚本漏洞 javascript 示例
- ArcGIS10.2服务切片 JPG/PNG 转换为 Bundle/Bundlx
- 基于Python的Grib数据可视化
- 有趣的python range()函数
- 第1173期AI100_机器学习日报(2017-12-04)
- 产品经理想做好数据可视化表达,到底该怎么选图表?
- Tableau&BDP,哪个才是最适合中国用户的数据可视化分析工具?
- 怎样成为知乎大V?爬取张佳玮138w+知乎关注者:数据可视化
- Android面试复习汇总
- 腾讯首次公布微信最全用户数据【完整版】
- 18个最新的极简主义风格网站