Атрибут Missing_value потерян при чтении данных из файла netCDF?

Я читаю данные компонентов ветра (u и v) из файла netCDF из NCEP/NCAR Reanalysis 1, чтобы произвести некоторые вычисления. Я использую xarray для чтения файла.

В одном из вычислений я хотел бы замаскировать все данные ниже некоторого порога, сделать их равными атрибутуmissing_value. Я не хочу использовать NaN.

Однако при чтении данных с помощью xarray атрибутmissing_value, присутствующий в переменной в файле netCDF, не копируется в xarray.DataArray, содержащий данные.

Я не смог найти способ скопировать этот атрибут из переменной файла netCDF с помощью xarray.

Вот пример того, что я пытаюсь сделать:

import xarray as xr
import numpy as np

DS1 = xr.open_dataset( "u_250_850_2009012600-2900.nc" )
DS2 = xr.open_dataset( "v_250_850_2009012600-2900.nc" )

u850 = DS1.uwnd.sel( time='2009-01-28 00:00', level=850, lat=slice(10,-60), lon=slice(260,340) )
v850 = DS2.vwnd.sel( time='2009-01-28 00:00', level=850, lat=slice(10,-60), lon=slice(260,340) )

vvel850 = np.sqrt( u850*u850 + v850*v850 )

jet850 = vvel850.where( vvel850 >= 12 )
#jet850 = vvel850.where( vvel850 >= 12, vvel850, vvel850.missing_value )

Последняя закомментированная строка - это то, что я хочу сделать: использовать атрибутmissing_value для заполнения, где vvel850 < 12. Последняя строка без комментариев дает мне NaN, чего я пытаюсь избежать.

Это поведение xarray по умолчанию при чтении данных из netCDF? Да или нет, как я могу получить этот атрибут из файловой переменной?

Дополнительная информация: я использую PyNGL (http://www.pyngl.ucar.edu/) для создания контурных графиков, и он не работает с NaN.

Спасибо.

Матеус

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
2
0
523
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Атрибут «missing_value» хранится в словаре encoding. Другие атрибуты, такие как «единицы» или «стандартное_имя», хранятся в словаре attrs. Например:

v850.encoding['missing_value']

Вас также могут заинтересовать некоторые другие функции xarray, которые могут помочь в вашем случае использования:

  1. xr.open_dataset имеет аргумент ключевого слова mask_and_scale. Это отключит преобразование пропущенных/заполненных значений в nans.
  2. DataArray.to_masked_array преобразует DataArray (заполненный NaN) в numpy.MaskedArray для использования в графических программах, таких как Matplotlib или PyNGL.

Спасибо @jhamman, я использовал второе предложение, и оно работает очень хорошо.

Mateus da Silva Teixeira 16.04.2019 14:47

Другие вопросы по теме