用Python批处理指定数据-以WRF输出结果为例演示按照指定维度合并(附示例代码)

#导入库
import numpy as np
import xarray as xr
import os  
from netCDF4 import Dataset

#选择 notebook 所在文件夹(也可自行指定文件路径)
path = os.getcwd()

#一般 WRF 默认输出文件的文件名后缀没有.nc，无法直接使用xarray进行读取，进而用不了concat函数
#这里我们批量修改文件名，加上后缀.nc
file_names = os.listdir(path)
for file in file_names:
    if file[0:10] != 'wrfout_d01':
        continue
    base_name = os.path.basename(file)
    new_n = base_name + '.nc'
    os.rename(os.path.join(path, file), os.path.join(path, new_n))

#选取path文件路径下所有前缀名为wrfout_d01的nc文件
list_names = []
for ncfile in os.listdir(path):
    if ncfile[0:10] != 'wrfout_d01':    #通过索引选择想要的数据，可以按照需要进行更改
        continue
    list_names.append(ncfile)

#将模拟结果文件名按照时间进行排序
list_names_sort = np.sort(list_names)

#以单个变量P为例(可按需更改)，按照时间顺序进行合并
file_list = []
for i in list_names_sort:
    print(i)
    ds = xr.open_dataset(i)
    file_list.append(ds['P'])

data = xr.concat(file_list, "Time")
data.to_netcdf('wrf_data.nc')

#将所有变量，按照时间顺序进行合并

file_list = []
for i in list_names_sort:
    print(i)
    ds = xr.open_dataset(i)
    file_list.append(ds)

data = xr.concat(file_list, "Time")
#顺便介绍一下如何计算气压并保存输出
data['pressure'] = (('Time','bottom_top','south_north','west_east'),np.zeros_like(data['P'])*np.NAN)
for i in range(len(data.Time)):
    data['pressure'][i] = data['P'][i]+data['PB'][i]
data['pressure'].attrs['FieldType']='104'
data['pressure'].attrs['MemoryOrder']='XYZ'
data['pressure'].attrs['description']='PRESSURE'data['pressure'].attrs['units']='Pa'
data['pressure'].attrs['stagger']=' '
data.to_netcdf('wrf_data.nc')