【问题标题】:netCDF to *.csv without Loops(!)netCDF 到 *.csv 没有循环(!)
【发布时间】:2014-01-03 19:49:30
【问题描述】:

我遇到了一些性能问题和“丑陋的代码”问题,也许你们中的一些人可以提供帮助。 我必须将数据从 netCDF-files 导出到 *.csv。为此,我编写了一些 python 代码。让我们看一个 3-dim netcdf-File:

def to3dim_csv():
  var = ncf.variables['H2O'] #e.g. data for 'H2O' values
  one,two,three = var.shape #variable dimension shape e.g. (551,42,94)
  dim1,dim2,dim3 = var.dimensions #dimensions e.g. (time,lat,lon)

  if crit is not None:
    bool1 = foo(dim1,crit,ncf) #boolean table: ("value important?",TRUE,FALSE)
    bool2 = foo(dim2,crit,ncf)
    bool3 = foo(dim3,crit,ncf)

  writer.writerow([dim1,dim2,dim3,varn])
  for i in range(one):
    for k in range(two):
      for l in range(three):
        if bool1[i] and bool2[k] and bool3[l]:
          writer.writerow([
                        ncf.variables[dim1][i],
                        ncf.variables[dim2][k],
                        ncf.variables[dim3][l],
                        var[i,k,l],
                        ])
  ofile.close()

  # Sample csv output is like:
  # time,lat,lon,H2O
  # 1,90,10,100
  # 1,90,11,90
  # 1,91,10,101

我想删除 for val in range(d): 块。或许使用递归函数,例如:

var = ncf.variables['H2O']
dims = [d for d in var.dimensions]
shapes = [var.variables[d].shape for d in dims]
bools = [bool_table(d,crit,ncf) for d in dims]
dims.append('H2O')
writer.writerow(dims)
magic_function(data)

def magic_function(data):

   [enter code]

   writer.writerow(data)
   magic_function(left_data)

更新: 对于任何有兴趣的人。这可以立即生效...

def data_to_table(dataset, var):
    assert isinstance(dataset,xr.Dataset), 'Dataset must be xarray.Dataset'
    obj = getattr(dataset, var)
    table = np.zeros((obj.data.size, obj.data.ndim+1), dtype=np.object_)
    table[:,0] = obj.data.flat
    for i,d in enumerate(obj.dims):
        repeat = np.prod(obj.data.shape[i+1:])
        tile = np.prod(obj.data.shape[:i])
        dim = getattr(dataset, d)
        dimdata = dim.data
        dimdata = np.repeat(dimdata, repeat)
        dimdata = np.tile(dimdata, tile)
        table[:,i+1] = dimdata.flat
    return table

def export_to_csv(dataset, var, filename, size=None):
    obj = getattr(dataset, var)
    header = [var] + [x for x in obj.dims]
    tabular = data_to_table(dataset, var)
    size = slice(None,size,None) if size else slice(None,None,None)
    with open(filename, 'w') as f:
        writer = csv.writer(f,dialect=csv.excel)
        writer.writerow(header)
        writer.writerows(tabular[size])

【问题讨论】:

  • 1.如果我必须为每个 n-dim 重复代码,它看起来很难看。 2. 遍历所有数据需要大量时间。也许有人有使用ncdump 或类似功能来提高速度的想法——[我回答的评论被删除]
  • 这里使用递归函数不会带来性能提升
  • 数组的numpy布尔索引应该加快速度吗?
  • @M4rtini:你什么意思?我使用布尔表来决定是否需要与行关联的值。

标签: python arrays csv matrix netcdf


【解决方案1】:

在 python 中执行此操作总是很慢,因为原始数据的格式与您要保存的格式不同。 Python 必须创建索引并每行保存一个值。你需要 csv 做什么?我建议使用ncdump,它可以非常快速地转换为简单的文本文件。如果您必须使用 csv,那么您可以使用来自 FAN language utilities 的 nc2text 实用程序(参见例如 this page)。

【讨论】:

  • 我需要 csv 格式来将数据保存到 SciDB。我会调查 FAN 并给你一些反馈。有使用 SciDB 的经验吗?
  • @UCU,不,我没有用过 SciDB。
【解决方案2】:

类似的东西。获取 bol1\2\3 的索引,并在获取相关值的同时将它们组合起来。

    with open('numpy.csv', 'wb') as f:
        out_csv = csv.writer(f)
        header = ['dim1','dim2','dim3','varn']
        out_csv.writerow(header)
        bol1_indices = np.nonzero(bol1)[0]
        bol2_indices = np.nonzero(bol2)[0]
        bol3_indices = np.nonzero(bol3)[0]
        out_csv.writerows(([a[i, k, l], dim1[i], dim2[k], dim3[l]] for i in bol1_indices for k in bol2_indices for  l in bol3_indices))

【讨论】:

  • 谢谢 M4rtini。这个有效。它比循环快 5-10%。您还有其他提示吗?
  • 实际上,在这种情况下,我认为大部分运行时都来自写入文件部分。不知道如何加快速度。除了可能购买更快的硬盘。
  • 谢谢。希望您不介意我没有将此标记为解决方案。我想再等一会儿。也许一些 netCDF 专家可以提示为此的特殊方法...
猜你喜欢
  • 1970-01-01
  • 2018-09-07
  • 1970-01-01
  • 2021-09-23
  • 1970-01-01
  • 2019-01-03
  • 2019-10-20
  • 2021-11-03
  • 1970-01-01
相关资源
最近更新 更多