### 使用 Matplotlib 读取和处理 nc 文件的示例 在地球科学领域，NetCDF 文件是一种常用的多维科学数据存储格式。以下是一个完整的示例代码，展示如何使用 `xarray` 和 `matplotlib` 来读取、处理并可视化 `.nc` 文件中的数据[^1]。 ```python # 导入必要的库 import warnings warnings.filterwarnings("ignore") # 忽略警告信息 import xarray as xr # 用于读取 NetCDF 文件 import numpy as np # 数值计算 import matplotlib.pyplot as plt # 可视化工具 import cartopy.crs as ccrs # 地图投影支持 from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter # 标签格式化 # 读取 NetCDF 文件 data = xr.open_dataset('E:/CORDEX-TP/DATA/ERA-1981-2015-T-P.nc') # 替换为你的文件路径 # 提取变量 tas = data['t2m'] # 假设需要提取的是 't2m' 变量（地表温度） tas = tas[:, ::-1, :] - 273.15 # 翻转纬度轴，并将单位从开尔文转换为摄氏度 # 定义经纬度范围 lon = np.arange(69.75, 140.5, 0.25) # 经度范围 lat = np.arange(14.75, 55.5, 0.25) # 纬度范围 # 创建地图投影 plt.figure(figsize=(10, 6)) ax = plt.axes(projection=ccrs.PlateCarree()) # 使用 PlateCarree 投影 ax.coastlines() # 添加海岸线 ax.set_extent([lon.min(), lon.max(), lat.min(), lat.max()], crs=ccrs.PlateCarree()) # 设置显示范围 # 绘制数据 cs = ax.contourf(lon, lat, tas.isel(time=0), # 绘制第一个时间片的数据 levels=np.arange(-30, 40, 2), cmap='coolwarm', transform=ccrs.PlateCarree()) # 添加颜色条 cbar = plt.colorbar(cs, orientation='horizontal', pad=0.05, aspect=50) cbar.set_label('Temperature (°C)', fontsize=12) # 设置经纬度标签 ax.set_xticks(np.arange(70, 141, 10), crs=ccrs.PlateCarree()) ax.set_yticks(np.arange(15, 56, 5), crs=ccrs.PlateCarree()) lon_formatter = LongitudeFormatter(number_format='.1f', degree_symbol='°', dateline_direction_label=True) lat_formatter = LatitudeFormatter(number_format='.1f', degree_symbol='°') ax.xaxis.set_major_formatter(lon_formatter) ax.yaxis.set_major_formatter(lat_formatter) # 显示图形 plt.title('Surface Temperature Distribution', fontsize=14) plt.show() ``` 上述代码展示了如何通过 `xarray` 读取 `.nc` 文件，并结合 `matplotlib` 和 `cartopy` 进行数据可视化[^2]。注意需要根据实际文件路径和变量名进行调整。 ### 注意事项 - 在读取 `.nc` 文件时，确保文件路径正确，并了解文件中包含的变量名称。 - 如果数据维度较多（如时间、纬度、经度），可以通过 `isel` 或 `sel` 方法选择特定的时间片或区域[^3]。