基于Python的Grib数据可视化

36大数据 • 7年前扫码分享

我是创始人李岩：很抱歉！给自己产品做个广告，点击进来看看。

基于Python的Grib数据可视化

作者：kallan

利用Python语言实现Grib数据可视化主要依靠三个库——pygrib、numpy和matplotlib。pygrib是欧洲中期天气预报中心(ECMWF)的GRIG API C库的Python接口，通过这个库可以将Grib数据读取出来；numpy是Python的一种开源的数值计算扩展，这种工具可用来存储和处理大型矩阵；matplotlib是python著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图；在数据可视化过程中，我们常需要将数据在地图上画出来，所以还需要matplotlib的一个子包basemap，负责地图绘制。

一、库的安装

（一）matplotlib安装

matplotlib依赖

1. nose
2. numpy
3. pyparsing
4. python-dateutil
5. cycler
6. pkg-config
7. freetype
8. libpng

安装过程

这里我都是通过源码包安装的，大家也可以再终端里通过pip install 命令来安装

1、安装nose

解压缩后，进入命令提示符运行

1 python3 setup.py install

2、安装numpy

解压缩后，进入命令提示符运行

1 python3 setup.py install

3、安装pyparsing

解压缩后，进入命令提示符运行

1 python3 setup.py install

4、安装python-dateutil

解压缩后，进入命令提示符运行

1 python3 setup.py install

5、安装cycler

解压缩后，进入命令提示符运行

1 python3 setup.py install

6、安装pkg-config

					1 ./configure --with-intermal-glib
					2 make && date
					3 sudo make install && date

7、安装freetype

					1  ./configure
					2  make && date
					3  sudo make install && date

8、安装libpng

					1  ./configure
					2  make && date
					3  sudo make install && date

9、安装matplotlib-1.5.0

解压缩后，进入命令提示符运行

1 python3 setup.py install

（二）basemap安装

basemap依赖

1. geos
2. pyproj

安装过程

1、安装GEOS

					1  ./configure
					2  make && date
					3  sudo make install && date

2、安装pyproj

1 python3 setup.py install

3、安装basemap

1 python3 setup.py install

（三）pygrib安装

pygrib依赖

1. Jasper
2. GRIB API
3. numpy
4. pyproj

安装过程

由于之前已经安装了numpy和pyproj，这里只需安装Jasper和GRIB API即可安装pygrib

1、安装Jasper

					1 ./configure
					2 make && date
					3 sudo make install && date

2、安装GRIB API

					1 ./configure --with-jasper='/usr/local/'
					2 make && date
					3 sudo make install && date

3、安装pygrib

安装pygrib之前首先要根据自己的实际情况修改文件目录下的setup.cfg文件，最主要的就是修改grib_api_dir和jasper_dir，这两个是刚刚安装的Jasper和GRIB API的路径，如果这两个地址不正确安装会报错

修改好就可以正常安装了

1 python3 setup.py install

二、grib数据读取

虽然我做的东西和气象沾边，但是我本身并不是气象专业出身，所有这些东西都是我慢慢研究琢磨出来的，所以有些方面可能讲的比较外行，有不对的地方欢迎大家留言指正。

（一）导入pygrib模块

1 >>> import pygrib

（二）打开Grib文件

1 >>> grbs = pygrib.open('/Users/Kallan/Documents/data/echhae50.082')

（三）提取文件信息

					1 >>> grbs.seek(0)
					2 >>> for grb in grbs:
					3 grb
					4 1:Geopotential Height:gpm (instant):regular_ll:isobaricInhPa:level 500:fcst time 24 :from 201507081200

信息解读

1 :数据列表的行号，有的文件可能包括多个数据

Geopotential Height:数据的名称

gpm (instant):数据的单位

regular_ll:常规数据，其实这个字段我也不清楚

isobaricInhPa:这个字段表示的是数据属性，此处表示是以hPa为单位的等压面

level 500:这个字段表示的是高度层

fcst time 24 :预报时效

from 201507081200 :起报时间

综合上面的信息可以得出，这个文件是从2015年7月8日12时开始的24小时后500hPa等压面高度场数据

（四）导出文件数据

					1 >>> grb = grbs.select(name='Geopotential Height')[0]
					2 >>> data = grb.values
					3 >>> print(data.shape,data.min(),data.max())
					4 (37, 37) 5368.6796875 5941.0390625
					5 >>> lat,lon=grb.latlons()
					6 >>> print(lat,'\n',lon)
					7 [[  0.    0.    0.  ...,   0.    0.    0. ]
					8 [  2.5   2.5   2.5 ...,   2.5   2.5   2.5]
					9 [  5.    5.    5.  ...,   5.    5.    5. ]
					10 ...,
					11 [ 85.   85.   85.  ...,  85.   85.   85. ]
					12 [ 87.5  87.5  87.5 ...,  87.5  87.5  87.5]
					13 [ 90.   90.   90.  ...,  90.   90.   90. ]]
					14 [[-90.  -87.5 -85.  ...,  -5.   -2.5   0. ]
					15 [-90.  -87.5 -85.  ...,  -5.   -2.5   0. ]
					16 [-90.  -87.5 -85.  ...,  -5.   -2.5   0. ]
					17 ...,
					18 [-90.  -87.5 -85.  ...,  -5.   -2.5   0. ]
					19 [-90.  -87.5 -85.  ...,  -5.   -2.5   0. ]
					20 [-90.  -87.5 -85.  ...,  -5.   -2.5   0. ]]

三、grib数据可视化

（一）导入需要的模块

					1 >>> import matplotlib.pyplot as plt
					2 >>> from mpl_toolkits.basemap import Basemap
					3 >>> import numpy as np

（二）创建一个figure

					1 >>> plt.figure()
					2 <matplotlib.figure.Figure object at 0x107e65198>

（三）创建一个basemap实例

					1 >>> m=Basemap(projection='mill',lat_ts=10,llcrnrlon=lon.min(), \
					2  urcrnrlon=lon.max(),llcrnrlat=lat.min(),urcrnrlat=lat.max(), \
					3  resolution='c')
					4 >>> m.drawcoastlines(linewidth=0.25)
					5 <matplotlib.collections.LineCollection object at 0x1091c1f28>
					6 >>> m.drawcountries(linewidth=0.25)
					7 <matplotlib.collections.LineCollection object at 0x10621d0f0>
					8 >>> m.fillcontinents(color='coral',lake_color='aqua')
					9 >>> m.drawmapboundary(fill_color='aqua')
					10 <matplotlib.patches.Rectangle object at 0x10918b3c8>
					11 >>> m.drawmeridians(np.arange(0,360,30))
					12 >>> m.drawparallels(np.arange(-90,90,30))

（四）将lat，lon的数据格式转换成投影需要的格式存入x，y

1 >>> x, y = m(lon,lat)

（五）绘制等值线

1 >>> cs = m.contour(x,y,data,15,linewidths=1.5)

（六）命名并显示图像

					1 >>> plt.title('Geopotential Height Contour from Grib')
					2 <matplotlib.text.Text object at 0x10918bda0>
					3 >>> plt.show()

（七）图像展示

基于Python的Grib数据可视化 End.

转载请注明来自36大数据（36dsj.com)： 36大数据 » 基于Python的Grib数据可视化

随意打赏

python 可视化 python数据分析数据可视化软件数据可视化分析数据可视化案例数据可视化工具大数据可视化数据可视化

基于Python的Grib数据可视化

一、库的安装

（一）matplotlib安装

matplotlib依赖

安装过程

（二）basemap安装

basemap依赖

安装过程

（三）pygrib安装

pygrib依赖

安装过程

二、grib数据读取

（一）导入pygrib模块

（二）打开Grib文件

（三）提取文件信息

信息解读

（四）导出文件数据

三、grib数据可视化

（一）导入需要的模块

（二）创建一个figure

（三）创建一个basemap实例

（四）将lat，lon的数据格式转换成投影需要的格式存入x，y

（五）绘制等值线

（六）命名并显示图像

（七）图像展示

随意打赏

绽放数据可视化光彩——Quick BI 数智生产力大赛火爆来袭！

用数据可视化，看互联网中小厂的日子到底过得怎么样？

高不可攀的数据可视化，用这五个工具简单实现

贝锐向日葵IT运维解决方案功能解析：如何实现快速部署和数据可视化

蒲公英智能组网：打造智慧工厂数据可视化管理解决方案

数据可视化让项目管理更高效

G端产品新人必读！数据可视化项目实施避坑指南！

B端设计师必看，数据可视化地图制作指南

数字化转型：数据可视化赋能销售管理

数据可视化、数据统计模板原型（移动端）