### 和鲸社区气象 Python 训练营中的 xarray 使用教程 #### 什么是 xarray？ xarray 是一种基于 NumPy 的开源数据结构库，专为标记化和多维数组设计。它提供了类似于 Pandas 数据框的功能，支持 NetCDF 文件的高效读写操作以及复杂的数据处理能力。 在和鲸社区气象 Python 训练营中，xarray 被广泛应用于 GrADS 格式的气象数据分析与可视化[^1]。以下是有关 xarray 基本使用的详细介绍： --- #### 加载 GRIB2 或 NetCDF 数据 通过 `xr.open_dataset` 方法可以轻松加载 GRIB2 或 NetCDF 格式文件。例如，在训练营的一个实例中展示了如何使用 PyNIO 引擎来打开 grib2 文件： ```python import xarray as xr data_4 = xr.open_dataset( "/home/mw/input/fnl6384/fnl/fnl_20210101_18_00.grib2", engine="pynio" ) print(data_4) ``` 此代码片段说明了 xarray 支持多种引擎选项（如 pynio、cfgrib 等），以便适配不同类型的气象数据集[^2]。 --- #### 处理和筛选数据 一旦数据被成功加载到内存中，就可以利用 xarray 提供的各种方法对其进行切片、过滤或聚合运算。比如选取特定变量并按时间维度降采样： ```python temperature_data = data_4['Temperature'].sel(time='2021-01-01T18', method='nearest') mean_temperature = temperature_data.mean(dim=['lat', 'lon']) print(mean_temperature.values) ``` 这里的关键在于 `.sel()` 函数允许指定精确的时间戳或其他坐标轴条件；而 `.mean()` 则实现了沿纬度 (`lat`) 和经度 (`lon`) 方向求平均的操作[^1]。 --- #### 可视化数据 除了强大的数据处理功能外，xarray 还内置了一些简单的绘图接口，可以直接调用来快速查看结果分布情况。对于更复杂的图表需求，则可结合 Matplotlib 或 Seaborn 库完成定制化的展示效果。 ```python %matplotlib inline import matplotlib.pyplot as plt plt.figure(figsize=(10, 6)) temperature_data.plot(cmap='coolwarm', cbar_kwargs={'label': 'K'}) plt.title('Global Temperature Distribution on Jan 1st, 2021 (UTC)') plt.show() ``` 上述脚本创建了一个全球温度场的空间分布热力图，并设置了颜色映射方案及标题标签等内容[^1]。 --- #### 高级应用案例 如果需要进一步深入挖掘气象数据背后隐藏的信息模式，还可以尝试构建自定义物理量计算逻辑并与现有字段关联起来。下面给出一个估算露点温度的例子作为示范： ```python def calculate_dewpoint(t, rh): """ Calculate dew point from air temperature and relative humidity. Parameters: t : float or array-like Air temperature in Kelvin units. rh : float or array-like Relative Humidity expressed as percentage values between [0%, 100%]. Returns: Dew Point Temperatures corresponding to input parameters. """ numerator = ( 237.7 * ((17.27 * (t - 273.15)) / (237.7 + (t - 273.15))) + np.log(rh / 100.) ) denominator = ( 17.27 - ((17.27 * (t - 273.15)) / (237.7 + (t - 273.15))) - np.log(rh / 100.) ) return numerator / denominator dew_point_values = calculate_dewpoint(temperature_data.data, data_4['RelativeHumidity'].data) dew_point_xr = xr.DataArray(dew_point_values, dims=temperature_data.dims) fig, ax = plt.subplots(figsize=(10, 6)) dew_point_xr.plot(ax=ax, cmap='Blues_r', add_colorbar=True) ax.set_title("Dew Point Map"); ``` 这段程序首先定义了一个辅助函数用于转换温湿度组合成对应的露点数值序列，接着将其封装回一个新的 DataArray 对象形式最后呈现出来[^4]。 ---