Python netCDF4中group的使用

netCDF4中group的使用

group可以当作一个dataset一样处理，两个类拥有大多数相同的函数，在一个group中也能继续创建子group。group中的维度可以与全局维度一起使用，如果维度名称相同，则在创建变量的时候会使用group中的维度。

创建group

import netCDF4 as nc
# 创建数据
dataset = nc.Dataset(r'H:\testgroup.nc',mode='w')
# 创建group
group = dataset.createGroup('1')
dataset.close()

在group中创建变量

import netCDF4 as nc
import numpy as np
dataset = nc.Dataset(r'H:\testgroup.nc',mode='w')
group = dataset.createGroup('1')
# 创建维度和变量
group.createDimension('lat',10)
group.createDimension('lon',10)
group.createVariable('lat',np.float32,('lat'))
group.createVariable('lon',np.float32,('lon'))
group['lat'][:] = np.arange(10)
group['lon'][:] = np.arange(10)
dataset.close()

group维度与全局维度

import netCDF4 as nc
import numpy as np
dataset = nc.Dataset(r'H:\testgroup.nc',mode='w')
# 创建全局维度
dataset.createDimension('lat',11)
dataset.createDimension('lon',11)
dataset.createVariable('lat',np.float32,('lat'))
dataset.createVariable('lon',np.float32,('lon'))
dataset.variables['lat'][:] = np.arange(11)
dataset.variables['lon'][:] = np.arange(11)
# 创建group
group = dataset.createGroup('1')
group.createDimension('lon',10)
group.createVariable('lat',np.float32,('lat'))
group.createVariable('lon',np.float32,('lon'))
group['lat'][:] = np.arange(11)
# 将10改成11会报错，说明这里的lon使用的是group中的维度
group['lon'][:] = np.arange(10)
dataset.close()

创建与读取多组group

根据我的需求，我需要创建上千个group，它们使用同一组维度，因此将维度信息存储在全局中，只存储一次，每一组中存放不同时期的数据。

写入数据

import netCDF4 as nc
import numpy as np

dataset = nc.Dataset(r'H:\testgroup.nc',mode='w')

dataset.createDimension('lat',10)
dataset.createDimension('lon',10)
dataset.createVariable('lat',np.float32,('lat'))
dataset.createVariable('lon',np.float32,('lon'))
dataset.variables['lat'][:] = np.arange(10)
dataset.variables['lon'][:] = np.arange(10)

for i in range(10):
    group = dataset.createGroup(str(i))
    group.createVariable('water_temp',np.float32,('lat','lon'))
    group['water_temp'][:] = np.random.rand(10,10)
    
dataset.close()

读取数据

import netCDF4 as nc
import numpy as np

dataset = nc.Dataset(r'H:\testgroup.nc')
for group_name in dataset.groups:
    group = dataset.groups[group_name]
    for var_name in group.variables.keys():
        print(group.name,group[var_name][:])
dataset.close()