Python 3.x 如何使用全年小时数据计算每天总降水量？

我有来自ERA5的特定年份每天的小时数据。我想把数据从每小时转换成每天。我知道这是一个漫长而艰难的过程，但我需要一些能轻松做到这一点的东西

哥白尼在这里有一个代码，如果数据集只转换一天，它就可以正常工作，但是当转换一整年时，我就遇到了问题

链接下载ERA5数据集，可从

按照以下步骤在此处使用哥白尼服务器

此脚本仅下载houly数据2天（2017年1月1日和2日）：

#/usr/bin/env python
"""
另存为get-tp.py，然后运行“python get-tp.py”。
输入文件：无
输出文件：tp_20170101-20170102.nc
"""
导入cdsapi
c=cdsapi.Client（）
r=c(
“再分析-era5-单级”{
“变量”：“总降水量”，
“产品类型”：“再分析”，
“年份”：“2017年”，
“月”：“01”，
“日”：['01'，'02']，
“时间”：[
'00:00','01:00','02:00',
'03:00','04:00','05:00',
'06:00','07:00','08:00',
'09:00','10:00','11:00',
'12:00','13:00','14:00',
'15:00','16:00','17:00',
'18:00','19:00','20:00',
'21:00','22:00','23:00'
],
“格式”：“netcdf”
})
r、 下载（'tp_20170101-20170102.nc'）
##添加多天和多个月以加载更多数据

下面的脚本将仅创建一天的netCDF文件

#/usr/bin/env python
"""
另存为文件calculate-daily-tp.py并运行“python计算每日tp.py”。
输入文件：tp_20170101-20170102.nc
输出文件：daily-tp_20170101.nc
"""
导入时间，sys
从datetime导入datetime，timedelta
从netCDF4导入数据集，date2num，num2date
将numpy作为np导入
日期=20170101
d=datetime.strtime（str（天），“%Y%m%d”）
f_in='tp_u%d-%s.nc'（天，（d+timedelta（天=1））.strftime（'%Y%m%d'））
f_out='daily-tp_%d.nc'%day
所需时间=[]
对于范围（1,25）内的i：
所需时间。追加（d+timedelta（小时=i））
将数据集（f_in）作为ds_src：
var_time=ds_src.variables['time']
time_avail=num2date（var_time[：]，var_time.units，
日历=var_time.calendar）
指数=[]
对于所需的tm时间：
a=np.where（time\u avail==tm）[0]
如果len（a）==0：
sys.stderr.write（'错误：降水数据丢失/不完整-%s！\n'
%tm.strftime（“%Y%m%d%H:%m:%S”）
系统出口（200）
其他：
打印（'找到%s'%tm.strftime（'%Y%m%d%H:%m:%s'））
index.append（a[0]）
var_tp=ds_src.variables['tp']
tp_值_集=假
对于索引中的idx：
如果未设置tp_值：
data=var_tp[idx，：，：]
tp_值_集=真
其他：
数据+=var_tp[idx，：，：]
数据集（f_out，mode='w'，format='NETCDF3\u 64位\u OFFSET'）作为ds_dest：
#尺寸
对于[‘纬度’、‘经度’]中的名称：
dim_src=ds_src.尺寸[名称]
ds_dest.createDimension（名称、尺寸）
var_src=ds_src.variables[名称]
var\u dest=ds\u dest.createVariable（名称，var\u src.datatype，（名称，）
var_dest[：]=var_src[：]
var_dest.setncattr（'units'，var_src.units）
变量dest.setncattr（'long\u name'，变量src.long\u name）
ds_dest.createDimension（'时间'，无）
var=ds_dest.createVariable（'time'，np.int32，（'time'，））
时间单位=‘1900-01-01 00:00:00后的小时数’
时间=格里高利
var[：]=date2num（[d]，单位=时间单位，日历=时间单位）
变量setncattr（'单位'，时间单位）
变量setncattr（'long_name'，'time'）
变量setncattr（“日历”，时间）
#变数
var=ds_dest.createVariable（var_tp.name，np.double，var_tp.dimensions）
变量[0，：，：]=数据
变量setncattr（“单位”，变量单位）
变量setncattr（'long_name'，变量tp.long_name）
#属性
ds_dest.setncattr（‘约定’、‘CF-1.6’）
ds_dest.setncattr（'history'，'%s%s'
%（datetime.now（）.strftime（“%Y-%m-%d%H:%m:%S”），
''.join（time.tzname）））
打印（'完成！每日总降水量保存在%s中'%f\u out）

我想要的是一个代码，它将遵循与上述数据相同的步骤，但假设我有一个包含一年houly数据的输入文件，并将其转换为一年的每日数据。 结果应为全年计算变量（如降水量等）的每日值

例如：假设我有一个全年的降雨量数据，每天为1mm/hr，那么全年的降雨量数据为2928

我想要的是全年24毫米/天，非闰年只有365个值

示例输入数据集：可从此处下载数据子集（2017年1月1日和2日）。只需使用后面的第二个脚本来检查代码。{全年代码>10GB，因此无法上传

“提前感谢”

正是您的工具。它在一行中将netCDF数据从一个时间分辨率（例如每小时）转换为另一个时间分辨率（例如每天）。使用您的示例数据文件，我们可以使用以下代码创建每日平均值：

import xarray as xr

ds = xr.open_dataset('./tp_20170101-20170102.nc')
tp = ds['tp'] # dimensions [time: 48, latitude: 721, longitude: 1440]
tp_daily = tp.resample(time='D').mean(dim='time') # dimensions (time: 2, latitude: 721, longitude: 1440)

您将看到，

resample

命令接收一个时间代码，在本例中，

'D'

表示每天，然后我们指定要使用当天的小时数据计算每天的平均值，使用

.mean（dim='time'）

例如，如果您想计算每日最大值而不是每日平均值，则应将

.mean（dim='time'）

替换为

.max（dim='time'）

。您还可以

cdo daysum -shifttime,-1hour era5_hourly.nc era5_daily.nc