### 如何使用 Python 读取和处理 NetCDF 文件 #### 使用 `netCDF4` 库加载 `.nc` 文件 为了读取和操作 NetCDF 文件，可以利用 Python 的 `netCDF4` 庿库。该库提供了强大的功能来访问、修改以及创建 NetCDF 数据集。 以下是具体实现方法： ```python from netCDF4 import Dataset # 打开一个已有的 .nc 文件 file_path = 'example.nc' # 替换为实际路径 rootgrp = Dataset(file_path, 'r', format="NETCDF4") # 只读模式打开文件 # 查看文件中的变量名 print(rootgrp.variables.keys()) # 输出所有变量名称 # 访问特定变量并获取其数据 temperature = rootgrp.variables['temp'][:] # 假设存在名为'temp'的变量 latitude = rootgrp.variables['lat'][:] longitude = rootgrp.variables['lon'][:] # 关闭文件连接 rootgrp.close() ``` 上述代码展示了如何通过指定路径加载一个 `.nc` 文件，并提取其中的关键变量[^1]。注意，在此过程中需要确保安装了 `netCDF4` 和依赖项（如 HDF5），可以通过 pip 安装这些包： ```bash pip install netCDF4 h5py numpy ``` #### 将 GRIB2 转化为 NC 格式 如果原始数据是以 GRIB2 格式存储，则可借助工具 `wgrib2` 实现转换。例如，运行以下命令即可完成转化过程： ```bash wgrib2 input.grb2 -netcdf output.nc ``` 这一步骤会生成一个新的 `.nc` 文件供后续分析使用[^2]。 #### 创建新的 NetCDF 文件实例 除了读写现有文件外，还可以新建自定义结构化的 NetCDF 文档。下面是一个简单的例子说明怎样构建这样的文档对象模型 (DOM): ```python import numpy as np from netCDF4 import Dataset new_file_name = "output_test.nc" nco = Dataset(new_file_name ,mode='w') # Define dimensions. time_dim = nco.createDimension('time', None) # Unlimited dimension. lat_dim = nco.createDimension('latitude',73) lon_dim = nco.createDimension('longitude',144) # Create coordinate variables for each of the dimensions. times = nco.createVariable('time','f8',('time',)) lats = nco.createVariable('latitude','f4',('latitude',)) lons = nco.createVariable('longitude','f4',('longitude',)) # Assign units attributes to coordinate variable data. lats.units = 'degrees_north' lons.units = 'degrees_east' # Write lat/lon data into their respective coordinate arrays. lats[...] = [-90 + x * 2.5 for x in range(73)] lons[...] = [0 + x * 2.5 for x in range(144)] # Create a container variable to hold the data. temp = nco.createVariable('temperature',np.float64,('time','latitude','longitude')) # Add some metadata to the temperature variable. temp.standard_name = "air_temperature" temp.long_name = "Air Temperature at 2 Meters" temp.units = "kelvin" # Close dataset when done writing it out. nco.close() ``` 这段脚本演示了从零开始建立一个多维数组的过程，其中包括时间维度和其他地理空间坐标系的信息[^3]。 ---