Python：使用netCDF4替换netcdf文件中的值

我有一个netcdf文件，其中有几个值<0。我想用一个值（比如-1）替换所有这些值。如何使用netCDF4实现这一点？我在文件中读到如下内容：

import netCDF4

dset      = netCDF4.Dataset('test.nc')
dset[dset.variables['var'] < 0] = -1

导入netCDF4
dset=netCDF4.Dataset（'test.nc'）
dset[dset.variables['var']<0]=-1

如果您想将数据保存在netCDF变量对象中，这应该可以：

import netCDF4

dset = netCDF4.Dataset('test.nc', 'r+')

dset['var'][:][dset['var'][:] < 0] = -1

dset.close() # if you want to write the variable back to disk

导入netCDF4
dset=netCDF4.Dataset（'test.nc'，'r+'））
dset['var'][：][dset['var'][：]<0]=-1
dset.close（）#如果要将变量写回磁盘

如果不想写回磁盘，请继续，只需获取numpy阵列并对其进行切片/分配：

data = dset['sea_ice_cover'][:]  # data is a numpy array
data[data < 0] = -1

data=dset['sea_ice_cover'][：]#数据是一个numpy数组
数据[数据<0]=-1

对我来说，前面的答案不起作用，我用以下方法解决了它：

dset = netCDF4.Dataset('test.nc','r+')
dset.variables['var'][:]
... your changes ...
dset.close() 

---

Soln 1:Python xarray

此解决方案使用xarray读取和写入netcdf文件，并使用包函数有条件地重置值

import xarray as xr
ds=xr.open_dataset('test.nc')
ds['var']=xr.where((ds['var']<0),-1,ds['var'])
ds.to_netcdf('modified_test.nc') # rewrite to netcdf

将xarray作为xr导入
ds=xr.open_数据集（'test.nc'））
ds['var']=xr.其中（（ds['var']为了能够使用方程进行条件计算，而不是仅使用常数进行计算，我根据@jhamman的代码，为形状为（月、lats、lons）的变量提供了条件迭代，如下所示：

import netCDF4 as nc
import numpy as np
import time

Tmin = -1.7
Tmax = 4.9
perc = (Tmax-Tmin)/100

lats = np.arange(0,384,1)
lons = np.arange(0,768,1)
months = [0,1]
dset = nc.Dataset('path/file.nc', 'r+')

start = time.time()
dset['var'][:][dset['var'][:] < Tmin] = 100
step1 = time.time()
print('Step1 took: ' + str(step1-start))
dset['var'][:][dset['var'][:] > Tmax] = 0
step2 = time.time()
print('Step2 took: ' + str(step2 - step1))

#start iteration of each dimension to alter individual values according to equation new_value = 100-((Old_value +1.8)/1%)
for m in months:
    newstart = time.time()
    for i in lats:
        step3 = time.time()
        print('month lats lat layer '+str(i)+' took: '+str(step3-newstart) +'s')
        for j in lons:
            if dset['var'][m,i,j] < Tmax and dset['var'][m,i,j] > Tmin:
                dset['var'][m,i,j] = 100-((dset['var'][m,i,j]+1.8)/perc)       

     end = time.time()
     print('One full month took: ' + str(end-start) +'s')  

dset.close() 

这是迭代的逻辑。不过，我想知道你们中是否有人知道如何加快速度。迭代对于这个目标真的是必要的吗？
如果使用比例因子和添加偏移量压缩变量，请小心。在这种情况下，只有fill\u value属性指定的值将直接写入任何其他值都将自动压缩。
import netCDF4 as nc
import numpy as np
import time

Tmin = -1.7
Tmax = 4.9
perc = (Tmax-Tmin)/100

lats = np.arange(0,384,1)
lons = np.arange(0,768,1)
months = [0,1]
dset = nc.Dataset('path/file.nc', 'r+')

start = time.time()
dset['var'][:][dset['var'][:] < Tmin] = 100
step1 = time.time()
print('Step1 took: ' + str(step1-start))
dset['var'][:][dset['var'][:] > Tmax] = 0
step2 = time.time()
print('Step2 took: ' + str(step2 - step1))

#start iteration of each dimension to alter individual values according to equation new_value = 100-((Old_value +1.8)/1%)
for m in months:
    newstart = time.time()
    for i in lats:
        step3 = time.time()
        print('month lats lat layer '+str(i)+' took: '+str(step3-newstart) +'s')
        for j in lons:
            if dset['var'][m,i,j] < Tmax and dset['var'][m,i,j] > Tmin:
                dset['var'][m,i,j] = 100-((dset['var'][m,i,j]+1.8)/perc)       

     end = time.time()
     print('One full month took: ' + str(end-start) +'s')  

dset.close() 

Step1 took: 0.0343s
Step2 took: 0.0253s
month lats lat layer: 0.4064s
One full month took 250.8082s