python批量将多年降水的nc数据处理为季节性平均降水量或年降水量

 本代码目的：

1.批量读取nc降水数据集。

2.按照季节平均来粗略绘制降水量图。

3.保存所有处理后的数据集，以备下次精细化绘图。

原始数据请见美国2013-2021年每日降水的nc数据集资源-CSDN文库

##1.导入需要的库和函数
import xarray as xr
import os
from netCDF4 import Dataset
 
##2.指定文件路径，实现批量读取满足条件的文件.(批量读取多个nc文件)
path = r"D:/baseCode/raw/"
#file = os.listdir(path)
#print(file)   #输出nc文件列表
 
##3.创建一个空的数据集来存储结果
result = xr.DataArray()
 
##4.遍历文件夹下的nc文件
for root_dir, sub_dir, files in os.walk(path):
    for file in files:
        if file.endswith('.nc'):                    
            file_name=os.path.join(root_dir, file)                    
            #print(file_name)    #读取nc文件路径   
            
            ##5.通过xarray读取nc数据                  
            f1=xr.open_dataset(file_name)                
            #print(f1)
            #print(f1.dims)         #返回一个字典类型。维度包括time，lat，lon。              
            #print(f1.variables)    #查看nc文件中的变量。
            dims =['time', 'lat', 'lon']
            #for dim in dims:
                #print('%s:%s' %(dim, f1.dims[dim]))
                
            ##6.读取nc数据中的经纬度和时间以及其他变量
            lat=f1.variables['lat'][:]             
            lon=f1.variables['lon'][:]            
            time=f1.variables['time'][:]
            
            
            #print(time.attrs)
            #print(time[90:270])
            precip=f1['precip']
            
            ##7.计算年降水量
            f1_season_sum = precip.groupby('time.year').sum(dim='time')
            print(type(f1_season_sum))
            #print(f1_season_sum)
            
            ##8.计算季节性降水平均值
            f1_season_mean = precip.groupby('time.season').mean(dim='time')
            
            #绘制并导出季节性平均降水量图。
            #f1_season_mean.plot(col='season')
            #plt.savefig(path+'season_figure.png', dpi=300)
            
            
            ##9.将计算结果添加到结果数据集中
            result = xr.concat([result, f1_season_sum], dim='file')
 
#print(result)   #查阅合并的数据集。
 
 
##10.将结果数据导出到path路径下。
result.to_netcdf(path+'f1_season_sum_eachyear.nc')