问题描述
我有一个大 (>GB) 的每日全球海洋表面温度文件。我以前从未真正使用过 netCDF 文件，主要是小得多的 Pandas 数据框和 CSV。通过一些摆弄，我能够使用 netCDF 数据制作一些世界地图，但我也从月度数据开始，因此每日值的数据量要大得多。我现在正在使用 numpy 和 matplotlib，在 Windows 上使用 Python。我试过xarray，但它无法分配空间...... 对可以操作 netCDF 的软件有什么建议吗？或者有没有办法“忽略”我不需要的值？我遇到了掩蔽，但我不确定这是否有帮助？切片？
例如，从这个 netCDF 中，我只想访问来自夏威夷群岛周围和特定时间范围的数据。
这是用于海洋学/气候学目的。
解决方法
你似乎在这里问了很多问题。
首先，您可以使用 xarray 对地理数据进行切片。只需阅读 this guide 并进行一些谷歌搜索，您就会找到解决方案。在不知道 netCDF 网格的情况下，无法提供具体答案。空间应该不是问题，因为 xarray 可以懒惰地做事。您还可以使用 dask 处理 xarray 中的多文件数据集。
在替代方案方面，您可以使用 NCO。地理裁剪看起来像这样。
ncks -d lat,0.,90. infile.nc outfile.nc
如果您可以访问 Linux，您也可以使用 CDO 或我在 Python 中的包 nctoolkit（使用 CDO 作为后端）来执行此操作。对于 nctoolkit，命令应该是这样的：
import nctoolkit as nc
ds = nc.open_data("infile.nc")
ds.crop(lon = [0,90],lat = [0,90])
ds.to_nc("outfile.nc")
如果您只想要数据集的较小部分，我会推荐 CDO。有了它，您可以从有点过大的文件中提取单个区域、时间片和变量。
例如，如果您只想在欧洲拥有变量 tsurf（地表温度），则可以使用
cdo -selvar,tsurf -sellonlatbox,-44.5,64.5,22,72.5 infile.nc outfile.nc
过滤掉它们。 （在命令行上）
使用 xarray 然后您可以（例如在 jupyter 中）简单地选择某些时间尺度。
import sys,os
import cartopy as ccrs,xarray as xr,matplotlib.pyplot as plt
start_date = "1990-12-31"; end_date = "2020-12-31";
yourXRdataset = xr.open_dataset(os.path.join(PATH_TO_UR_FILE + "/yourfile.nc")
customTimescale = yourXRdataset.sel(time=slice(start_date,end_date))
如果你现在想绘制年平均温度，这很容易做到
plt.figure(figsize=(20,8),dpi=216)
ax = plt.subplot(projection=ccrs.PlateCarree())
customTimescale['tsurf'].mean('time').plot.contourf(ax=ax,cmap="Spectral_r",levels=33)
Cartopy 非常适合在 Python 中显示地理数据。