Python 使用cartopy从netcdf文件打印四维变量中的数据
我想知道如何使用cartopy在地图上绘制NetCDF文件的变量“r”（相对湿度）的数据Python 使用cartopy从netcdf文件打印四维变量中的数据,python,matplotlib,cartopy,netcdf4,Python,Matplotlib,Cartopy,Netcdf4,我想知道如何使用cartopy在地图上绘制NetCDF文件的变量“r”（相对湿度）的数据 enter code here 根组（NETCDF3\u 64位\u偏移量数据模型，文件格式NETCDF3）： 公约：CF-1.6 历史记录：2021-02-19 10:03:12格林尼治标准时间grib_to_netcdf-2.16.0:/opt/ecmwf/eccodes/bin/grib_to_netcdf-S param-o/cache/data7/adapter.marsdev.interna
enter code here
根组（NETCDF3\u 64位\u偏移量数据模型，文件格式NETCDF3）：
公约：CF-1.6
历史记录：2021-02-19 10:03:12格林尼治标准时间grib_to_netcdf-2.16.0:/opt/ecmwf/eccodes/bin/grib_to_netcdf-S param-o/cache/data7/adapter.marsdev.internal-1613728991.1847723-6796-17-440f19fd-bb8f-478f-bc36-959e3e9d9c42.nc/cache/tmp/440f19fd-bb8f-478f-bc36-959e9d9c42-adapter.1619c42-tmp-21389
尺寸：经度（480）、纬度（241）、高度（8）、时间（53）
变量（维度）：float32经度（经度）、float32纬度（纬度）、int32级别（级别）、int32时间（时间）、int16 r（时间、级别、纬度、经度）
组：
口述键（[‘经度’、‘纬度’、‘水平’、‘时间’、‘r’]））
las维度变量r es:（‘时间’、‘水平’、‘纬度’、‘经度’）
(53, 8, 241, 480)
----------------------------------------------------------------------
int16 r（时间、水平、纬度、经度）
比例系数：0.001964639476266317
加上偏移量：64.43876426873042
_填充值：-32767
缺少_值：-32767
单位：%
名称：相对湿度
标准名称：相对湿度
无限尺寸：
当前形状=（53,8241480）
填补
las维度变量r es:（‘时间’、‘水平’、‘纬度’、‘经度’）
(53, 8, 241, 480)
TypeError:数组（）不接受任何参数（给定1个）您应该可以使用我的ncplot包（）执行此操作：
这将创建一个交互式绘图。您可以修复代码高亮显示吗？在代码前一行使用三个反勾（``````），在代码的最后一行使用三个反勾。当我使用（ncplot）时，我有几个错误。文件“/usr/local/lib/python3.8/dist packages/hvplot/converter.py”，第1067行，在call raise importror（'Datashading不可用'）ImportError:Datashading不可用OK，这很奇怪。其中一个依赖项应该安装datashader，但它似乎不再安装在pypi上。但它在conda forge上安装。因此，最近对依赖项的更新肯定会破坏一切。今天下午我将更新pypi版本。现在，您应该可以使用
pip install data来修复此问题着色器plt.pcolormesh（ilon，ilat，r#ds，60，transform=ccrs.PlateCarree（））from netCDF4 import Dataset
import cartopy.crs as ccrs
import numpy as np
import xarray as xr
import cartopy.crs as ccrs
import matplotlib.pyplot as plt
ds = Dataset('relative_humidityEne_Dic2003_2020CMAS.nc', 'r')
lon = ds.variables["longitude"]
lat = ds.variables["latitude"]
level = ds.variables["level"]
time = ds.variables["time"]
r = ds.variables["r"]
ax = plt.axes(projection=ccrs.PlateCarree())
r_ds = ds.variables['r'][0, :, :, :]
plt.contourf(lon, lat, r_ds, transform=ccrs.PlateCarree())
ax.coastlines()
plt.show()
root group (NETCDF3_64BIT_OFFSET data model, file format NETCDF3):
Conventions: CF-1.6
history: 2021-02-19 10:03:12 GMT by grib_to_netcdf-2.16.0: /opt/ecmwf/eccodes/bin/grib_to_netcdf -S param -o /cache/data7/adaptor.marsdev.internal-1613728991.1847723-6796-17-440f19fd-bb8f-478f-bc36-959e3e9d9c42.nc /cache/tmp/440f19fd-bb8f-478f-bc36-959e3e9d9c42-adaptor.marsdev.internal-1613728966.210842-6796-20-tmp.grib
dimensions(sizes): longitude(480), latitude(241), level(8), time(53)
variables(dimensions): float32 longitude(longitude), float32 latitude(latitude), int32 level(level), int32 time(time), int16 r(time,level,latitude,longitude)
groups:
dict_keys(['longitude', 'latitude', 'level', 'time', 'r'])
las dimenciones variable r es: ('time', 'level', 'latitude', 'longitude')
(53, 8, 241, 480)
----------------------------------------------------------------------
<class 'netCDF4._netCDF4.Variable'>
int16 r(time, level, latitude, longitude)
scale_factor: 0.001964639476266317
add_offset: 64.43876426873042
_FillValue: -32767
missing_value: -32767
units: %
long_name: Relative humidity
standard_name: relative_humidity
unlimited dimensions:
current shape = (53, 8, 241, 480)
filling on
las dimenciones variable r es: ('time', 'level', 'latitude', 'longitude')
(53, 8, 241, 480)
from ncplot import view
view('relative_humidityEne_Dic2003_2020CMAS.nc', 'r')