Performance Python虹膜在读取netcdf数据集时执行速度非常慢

我最近从netcdf4切换到iris，以便在Python中读取netcdf文件（我使用的是Python 2.7）。这在许多方面改进了我的代码，但在某些数据集上我遇到了一些性能问题。使用netcdf4读取某些文件（不是全部）通常只需要几秒钟，而使用iris则需要一分钟或几分钟

这是我使用的一个简单测试。netcdf4和iris的第一次读取分别需要4秒和90秒！这大大降低了我的代码性能，因为我通常在一次运行中读取许多文件

从日期时间导入日期时间
进口虹膜
将netCDF4导入为nc
nr=3
ifile='myfile.nc'
打印（'虹膜读取\n'）
对于范围内的i（nr）：
t1=datetime.now（）
fh=虹膜负荷（ifile）
data=fh[0]。数据
t2=datetime.now（）
差异=（t2-t1）.总秒数（）
打印（{:8.3f}s\n.格式中加载的数据（差异））
打印（'NetCDF read\n'）
对于范围内的i（nr）：
t1=datetime.now（）
fh=nc.Dataset（ifile，mode='r'）
data=fh.variables.values（）[-1][：]
t2=datetime.now（）
差异=（t2-t1）.总秒数（）
打印（{:8.3f}s\n.格式中加载的数据（差异））

---

有人发现了同样的行为吗？这是不是我在iris上做错了什么？

需要记住的一点是，在这种情况下，iris确实比netCDF4做了更多的工作。这是因为它了解CF约定，并将自动识别坐标（维度和辅助坐标），并从文件中读取大量元数据，以生成一个漂亮的立方体，它不仅为您提供裸数据，而且让您能够真正理解它

---

因此，iris案例中的

fh

内容与netCDF4案例中的内容完全不同。当我在一个测试文件上运行您的程序并在这两种情况下打印

数据时，纯netCDF4实际上提供了一些坐标数据（在我的情况下是1d纬度），而不是实际数据。
需要记住的一点是，在这种情况下，iris确实比netCDF4做了更多的工作。这是因为它了解CF约定，并将自动识别坐标（维度和辅助坐标），并从文件中读取大量元数据，以生成一个漂亮的立方体，它不仅为您提供裸数据，而且让您能够真正理解它

因此，iris案例中的
fh
内容与netCDF4案例中的内容完全不同。当我在测试文件上运行您的程序并在这两种情况下打印
数据时，纯netCDF4实际上提供了一些坐标数据（在我的情况下是1d纬度），而不是实际数据。
据我所知，调用iris多维数据集上的“.data”将立即将数据加载到numpy数组中。对于netcdf，您仅从variables-dict中获得netcdf“Variable”对象。您需要通过添加“[：]”将数据复制到numpy数组。您是对的，我编辑了上面的示例。无论如何，如果我加上[：]，netcdf4需要相同的时间，所以问题就在那里..然后我只能推测，您使用iris（索引0）声明的数据与使用netcdf4（索引-1）检索的变量不同。我可以向您保证它是相同的变量。示例中的文件只有一个变量，但netcdf4也将坐标读取为变量（最后一个是真变量）。真正的问题是iris当时在做什么？据我所知，调用iris多维数据集上的“.data”会立即将数据加载到numpy数组中。对于netcdf，您仅从variables-dict中获得netcdf“Variable”对象。您需要通过添加“[：]”将数据复制到numpy数组。您是对的，我编辑了上面的示例。无论如何，如果我加上[：]，netcdf4需要相同的时间，所以问题就在那里..然后我只能推测，您使用iris（索引0）声明的数据与使用netcdf4（索引-1）检索的变量不同。我可以向您保证它是相同的变量。示例中的文件只有一个变量，但netcdf4也将坐标读取为变量（最后一个是真变量）。真正的问题是iris当时在做什么？