如何从一个目录中的所有NetCDF文件中提取几个月的子集

Question

我需要根据1961-1990年的温度数据计算第90个百分位数。 我有30个NETCDF文件，每个文件都包含一年的每日数据。 我需要计算特殊纬度（Long）的百分位数（第90位），同时考虑所有30年每日数据中的夏季。 我还需要考虑2月为29天的年份。 当我运行代码时，它只是考虑了第一个夏天（1961年夏天），而不能考虑所有夏天。

data = xr.open_mfdataset('/Tmax-2m/Control/*.nc')

time = data.variables['time']
lon = data.variables['lon'][:]
lat = data.variables['lat'][:]
tmax = data.variables['tmax'][:]

df = data.sel(lat=39.18,lon=-95.57, method='nearest')
time2=df.variables['time'][151:243]
dg=df.sel (time=time2, method = 'nearest')
print np.percentile (dg.tmax, 90)

我尝试过这种方法，但是它计算出每年每个夏季的百分位数：

splits=[151,516,881,1247,1612,1977,2342,2708,3073,3438,3803,4169,4534,4899,5264,5630,5995,6360,6725,7091,7456,7821,8186,8552,8917,9282,9647,10013,10378,10743]
t0=92
result=[]
for i in splits:
    time3=df.variables['time'][i:(i+t0)]
    dg=df.sel(time=time3, method ='nearest')  
    result.append(np.percentile (dg.tmax, 90))

np.savetxt("percentile1.csv", result, fmt="%s")

Answer 1

您是否考虑将CDO用于此任务？ （如果您在linux下运行，这很容易，如果在Windows上，则可能需要在cygwin下安装它）

您可以将30个文件合并为一个时间序列，如下所示：

cdo mergetime file_y*.nc timeseries.nc

这里的*是我假设文件名中的年份（1961、1962等）的通配符，我假设是file_y1961.nc file_y1962.nc等...酌情采用。 timeseries.nc是输出文件。

然后像这样计算季节性百分位数：

cdo yseaspctl,90 timeseries.nc -yseasmin timeseries.nc -yseasmax timeseries.nc percen.nc

percen.nc将包含季节性百分位数，您可以提取夏季的百分位数。

此处的更多详细信息： https : //code.mpimet.mpg.de/projects/cdo/