Python读取NetCDF文件-裁剪&计算
内容提要
这篇文章介绍了使用xarray包处理NetCDF文件的方法。xarray是基于pandas的数据结构构建的，可以方便地处理多维数组数据。文章还介绍了如何根据经纬度范围裁剪nc文件，并计算极端降雨量。最后，文章展示了如何将处理结果写入nc文件。
延伸解读
xarray与netCDF4的选用考量
文章对比了netCDF4和xarray两种处理NetCDF文件的工具。netCDF4提供直接操作文件的底层接口，适合需要精细控制存储细节的场景；xarray基于pandas构建，以Dataset和DataArray为核心，支持标签化索引和丰富的数据操作方法，如sel选择、分组、合并等，更适合进行数据分析和裁剪。读者可根据任务复杂度选择：简单读写可用netCDF4，复杂分析推荐xarray。
经纬度裁剪的注意事项
使用xarray的sel方法按经纬度范围裁剪时，需注意slice的起止顺序应与坐标轴的实际顺序一致。示例中纬度范围写作(29.95, 29.80)，即从大到小，这符合纬度通常从北向南递减的存储习惯。若顺序颠倒，可能无法正确选取区域。此外，裁剪前应确认文件中经纬度变量的名称（如longitude、latitude），不同数据源可能命名不同。
极端降雨计算中的Gumbel分布实现
文章采用Gumbel分布估算不同重现期的极端降雨量。函数Gumble_func先对历史年降雨数据排序，取前length-1个最大值计算均值和标准差，进而得到分布参数alpha和u，再通过迭代寻找满足重现期条件的降水值。计算前会检查数据是否包含NaN，若有则返回NaN，避免无效计算。该方法基于前30年数据，适用于年最大值序列的频率分析。
多线程加速与数据写入
为提升计算效率，文章使用multiprocessing.Pool创建6个进程并行处理非NaN网格点。通过np.where定位有效位置，再以starmap分发任务，最后将结果填充回数组。写入新nc文件时，使用netCDF4库创建维度和变量，保持与原始数据一致的经纬度维度，并存储年降水量均值及10、20、50、100年一遇的降雨量。注意输出变量维度顺序为(longitude, latitude)，与输入可能不同。
Q&A
如何使用xarray处理NetCDF文件？
使用xarray包可以方便地处理NetCDF文件，xarray基于pandas构建，适合处理多维数组数据。
如何根据经纬度范围裁剪NetCDF文件？
可以使用xarray的sel方法，根据指定的经纬度范围裁剪nc文件。
极端降雨量是如何计算的？
极端降雨量根据前30年的年降雨数据，使用Gumbel分布估算不同重现期的降雨量。
xarray和netCDF4库有什么区别？
xarray是基于pandas的数据结构，适合处理标签化的多维数组，而netCDF4是直接操作NetCDF文件的库，提供基本接口。
如何将处理结果写入新的NetCDF文件？
处理结果可以使用xarray的to_netcdf方法，将数据写入新的nc文件。
如何加速极端降雨量的计算？
可以使用多线程技术加速计算极端降雨量，处理非nan数据。
