基于Python的Grib数据可视化

原创 2017年10月31日 09:06:51

大数据

作者:kallan

 利用Python语言实现Grib数据可视化主要依靠三个库——pygrib、numpy和matplotlib。pygrib是欧洲中期天气预报中心(ECMWF)的GRIG API C库的Python接口,通过这个库可以将Grib数据读取出来;numpy是Python的一种开源的数值计算扩展,这种工具可用来存储和处理大型矩阵;matplotlib是python著名的绘图库,它提供了一整套和matlab相似的命令API,十分适合交互式地进行制图;在数据可视化过程中,我们常需要将数据在地图上画出来,所以还需要matplotlib的一个子包basemap,负责地图绘制。

一、库的安装

(一)matplotlib安装

  • matplotlib依赖
    1. nose
    2. numpy
    3. pyparsing
    4. python-dateutil
    5. cycler
    6. pkg-config
    7. freetype
    8. 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-glib
2 make && date
3 sudo make install && date

7、安装freetype

1  ./configure
2  make && date
3  sudo make install && date

8、安装libpng

1  ./configure
2  make && date
3  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
    1. geos
    2. pyproj
  • 安装过程

1、安装GEOS

1  ./configure
2  make && date
3  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
    1. Jasper
    2. GRIB API
    3. numpy
    4. 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 ./configure
2 make && date
3 sudo make install && date

2、安装GRIB API

1 ./configure --with-jasper='/usr/local/'
2 make && date
3 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 grb
4 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 plt
2 >>> from mpl_toolkits.basemap import Basemap
3 >>> 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

Python高级数据处理与可视化(一)---- 聚类分析

聚类分析聚类分析 实例1 实例2 函数用法聚类分析(cluster analysis):以相似性为基础把相似的对象通过静态分类的方法分成不同的组别或更多的子集。特性:基于相似性,有多个聚类中心。 Km...
  • tonybao912
  • tonybao912
  • 2017年02月23日 16:27
  • 2415

基于web的可视化数据库管理

任务: 构建基于web的数据库管理系统。 思路: 关于WebBuilder WebBuilder是一款功能强大的Web应用开发和运行平台,能简单快速地开发功能强大和完备的企业级应用系统。使用Web...
  • youdianjinjin
  • youdianjinjin
  • 2016年05月26日 16:56
  • 1742

基于hadoop生态圈的数据仓库实践 —— OLAP与数据可视化(二)

二、Hive、Spark SQL、Impala比较        Hive、Spark SQL和Impala三种分布式SQL查询引擎都是SQL-on-Hadoop解决方案,但又各有特点。前面已经讨论了...
  • wzy0623
  • wzy0623
  • 2016年08月19日 12:35
  • 22084

基于Python的Grib数据可视化

转载地址:/op07p6Aaqo9u71/article/details/78794663 利用Python语言实现Grib数据可视化主要依靠三个库——pyg...
  • learn_tech
  • learn_tech
  • 2018年01月03日 09:10
  • 18

PYTHON数据可视化编程实战1

  • 2018年01月12日 14:08
  • 31.47MB
  • 下载

PYTHON数据可视化编程实战PDF电子书

  • 2018年01月07日 20:11
  • 41.43MB
  • 下载

python 数据可视化编程实战源码

  • 2017年12月04日 14:36
  • 31.52MB
  • 下载

PYTHON数据可视化编程实战 pdf

  • 2017年11月19日 15:49
  • 41.48MB
  • 下载

Python数据可视化编程实战_代码_code

  • 2017年12月21日 18:28
  • 33.17MB
  • 下载

PYTHON数据可视化编程实战.pdf 下载 高清电子书

  • 2017年05月25日 20:44
  • 41.59MB
  • 下载
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:基于Python的Grib数据可视化
举报原因:
原因补充:

(最多只允许输入30个字)