第2章：Python气象数据处理库：xarray、pandas、netCDF4、cfgrib的安装与基本使用

气象数据，说白了就是一堆带着时间戳和经纬度的数字。你想想看，一个全球再分析数据，动辄几百GB，用普通的Python列表去处理？那简直是拿自行车拉火车。我刚开始接触气象数据时，就吃过这个亏——用pandas硬扛一个10GB的NetCDF文件，结果内存直接爆了，电脑卡死半小时。

从那以后，我学乖了。处理气象数据，必须用对工具。今天咱们就聊聊这四个库：xarray、pandas、netCDF4、cfgrib。它们各有各的脾气，但配合好了，就是一套黄金组合。

2.1 为什么是这四个库？

先说说我的理解。这四个库，其实分工很明确：

• netCDF4：底层读写器。它直接跟NetCDF文件打交道，就像用open()函数读写文本文件一样。但说实话，我很少直接用，因为太底层了，操作起来像在拧螺丝。
• xarray：气象界的pandas。它把NetCDF里的维度（时间、纬度、经度）变成了标签，你可以像操作DataFrame一样操作多维数组。我个人习惯，90%的场景都用它。
• pandas：处理表格数据的利器。虽然xarray很强大，但有些统计计算、时间序列分析，还是pandas更顺手。我经常把xarray的数据转成pandas来做可视化。
• cfgrib：专门对付GRIB格式的。欧洲中心的数据很多是GRIB格式，xarray读不了，这时候就得靠它。我记得第一次用cfgrib时，还踩了个坑——版本不兼容，折腾了一下午。

2.2 安装：看似简单，实则暗藏玄机

安装这四个库，理论上就一行命令：

pip install xarray pandas netCDF4 cfgrib

但实际项目中，我建议你用conda。为什么？因为netCDF4和cfgrib都有C语言依赖，pip安装有时会报错。我曾经在Windows上装cfgrib，折腾了三个小时，最后发现是Visual C++ Redistributable没装。

如果你用conda，推荐这样安装：

conda create -n weather python=3.9
conda activate weather
conda install -c conda-forge xarray pandas netCDF4 cfgrib

嗯，这里要注意：cfgrib依赖eccodes库。如果你在Linux上，可能需要先装eccodes：

conda install -c conda-forge eccodes

安装完成后，验证一下：

import xarray as xr
import pandas as pd
import netCDF4
import cfgrib

print("All libraries imported successfully!")

如果没报错，恭喜你，环境搭好了。

2.3 基本使用：从打开文件开始

咱们先拿一个NetCDF文件练手。假设你有一个全球温度数据文件 temperature.nc。

2.3.1 用xarray打开NetCDF

import xarray as xr

# 打开数据集
ds = xr.open_dataset('temperature.nc')
print(ds)

你会看到类似这样的输出：

<xarray.Dataset>
Dimensions:    (time: 365, lat: 181, lon: 360)
Coordinates:
  * time       (time) datetime64[ns] 2020-01-01 ... 2020-12-31
  * lat        (lat) float64 -90.0 -89.0 -88.0 ... 89.0 90.0
  * lon        (lon) float64 0.0 1.0 2.0 ... 359.0
Data variables:
    t2m        (time, lat, lon) float32 ...

看到没？xarray自动识别了维度（time、lat、lon）和坐标。这就是它的核心优势——带标签的多维数组。

我个人习惯，拿到数据后第一件事就是看维度大小：

print(ds.dims)
# 输出：Frozen({'time': 365, 'lat': 181, 'lon': 360})

如果数据太大，我建议先取一小块看看：

# 只取前10天，纬度范围30°N-60°N
subset = ds.isel(time=slice(0,10)).sel(lat=slice(30, 60))
print(subset)

2.3.2 用netCDF4直接读写

虽然xarray好用，但有些场景必须用netCDF4。比如，你要读取文件的全局属性（global attributes）：

from netCDF4 import Dataset

nc = Dataset('temperature.nc', 'r')
print(nc.title)  # 输出文件的标题
print(nc.institution)  # 输出数据来源机构
nc.close()

嗯，这里要注意：netCDF4操作完一定要close()，不然文件锁住了，下次打不开。我刚开始学的时候经常忘，结果调试半天才发现是文件没释放。

2.3.3 用cfgrib打开GRIB文件

GRIB文件是气象界的另一种常见格式。欧洲中期天气预报中心（ECMWF）的很多数据都是GRIB格式。用cfgrib打开很简单：

import cfgrib

# 打开GRIB文件
ds = cfgrib.open_dataset('forecast.grib')
print(ds)

cfgrib会把GRIB文件解析成xarray的Dataset。但有个坑——GRIB文件里可能有多个变量，你需要指定参数：

# 只读取温度数据
ds_temp = cfgrib.open_dataset('forecast.grib', filter_by_keys={'paramId': 130})
# paramId=130 是温度

2.4 数据操作：切片、索引、计算

打开文件只是第一步。真正干活的时候，是数据操作。我总结了几种最常用的操作：

2.4.1 按时间选择

# 选择某一天
ds_20200101 = ds.sel(time='2020-01-01')

# 选择某个月
ds_jan = ds.sel(time='2020-01')

# 选择时间范围
ds_jan_feb = ds.sel(time=slice('2020-01-01', '2020-02-29'))

2.4.2 按空间选择

# 选择北京附近（39.9°N, 116.4°E）
ds_beijing = ds.sel(lat=39.9, lon=116.4, method='nearest')

# 选择中国区域（15°N-55°N, 70°E-140°E）
ds_china = ds.sel(lat=slice(55, 15), lon=slice(70, 140))
# 注意：纬度slice是从大到小，因为xarray默认纬度从-90到90

2.4.3 简单计算

# 计算全球平均温度
global_mean = ds['t2m'].mean(dim=['lat', 'lon'])
print(global_mean)

# 计算时间平均
climatology = ds['t2m'].mean(dim='time')

# 计算距平（异常值）
anomaly = ds['t2m'] - climatology

你想想看，如果用传统的循环去算全球平均，365天×181纬度×360经度，得算到猴年马月？xarray一行代码搞定，底层用的是NumPy的向量化计算。

2.5 与pandas的配合

xarray虽然强大，但有些场景还是pandas更顺手。比如，你要做时间序列的滑动平均：

# 把xarray转成pandas DataFrame
df = ds['t2m'].sel(lat=39.9, lon=116.4, method='nearest').to_dataframe()
print(df.head())

# 计算7天滑动平均
df_rolling = df['t2m'].rolling(window=7).mean()

# 用matplotlib画图
import matplotlib.pyplot as plt
df_rolling.plot()
plt.title('Beijing 7-day Rolling Mean Temperature')
plt.show()

我个人习惯，做统计分析时用pandas，做多维数据操作时用xarray。两者配合，效率翻倍。

2.6 保存数据

处理完数据，总要保存吧？xarray保存NetCDF很简单：

# 保存为NetCDF
ds_china.to_netcdf('china_temperature.nc')

# 保存为NetCDF，并压缩（减少文件大小）
ds_china.to_netcdf('china_temperature_compressed.nc', 
                   encoding={'t2m': {'zlib': True, 'complevel': 5}})

压缩参数很重要。我处理过的一个全球数据，不压缩是50GB，压缩后只有8GB。磁盘空间不够的时候，这招很管用。

2.7 本章小结

好了，四个库的基本用法就这些。总结一下我的经验：

• 安装用conda，别用pip自找麻烦
• 主力用xarray，它让多维数据操作变得像pandas一样简单
• 底层用netCDF4，需要读属性或精细控制时再用
• GRIB用cfgrib，记得装eccodes依赖
• 统计用pandas，xarray搞不定的交给它

这些库就像工具箱里的扳手、螺丝刀、钳子。每个都有它的用途，关键是要知道什么时候用哪个。下一章，咱们会拿真实的气象数据，一步步做预测。到时候，这些工具就派上大用场了。

---