[PYTHON] [Hinweis] Basierend auf dem Breiten- und Längengrad der CSV-Datei haben wir ein Skript erstellt, das Daten im Zielbereich extrahiert und einen Netzcode hinzufügt.

Zweck

Basierend auf dem Breiten- und Längengrad der CSV-Datei habe ich ein Skript erstellt, das Daten im Zielbereich extrahiert und Netzcode hinzufügt.

Voraussetzungen

• Windows10 --Python3 ist bereits installiert.
• Verschiedene Bibliotheken wie Pandas und jismesh müssen installiert sein. --jismesh ist eine Python-Bibliothek, mit der Sie den Netzcode aus Breiten- und Längengraden ermitteln können. --Die einzugebende CSV-Datei verwendet die im folgenden Artikel ausgegebenen hochauflösenden Nowcast-Daten (CSV-Datei).

[Hinweis] Ich habe ein Skript zum Konvertieren von Daten im Grib2-Format in eine CSV-Datei erstellt

--Csv-Datei eingeben ――Die 5. und 6. Spalte geben den Längen- und Breitengrad an, und die 7. Spalte gibt den Niederschlagswert an.

Lauf

• Geben Sie den Eingabeordner (vorausgesetzt, es gibt mehrere CSV-Dateien) und die Ausgabe-CSV-Datei an.
• Geben Sie den Zielbereich für die Datenextraktion in Breiten- und Längengrad an (y1, y2, x1, x2). ――Dieser Artikel behandelt den Kanto-Bereich.
• Führen Sie das Python-Skript aus.

highres_nowcast_add_meshcode.py

# -*- coding: utf-8 -*-
import os
import glob
import csv
import pandas as pd
import pprint
import calendar
import jismesh.utils as ju

#Geben Sie die Ausgabedatei an
output_csvfile = "./out/highres_nowcast_anl_kanto.csv"

#Zielbereichseinstellung
y1 = 37.29166666666667
y2 = 34.04166666666667
x1 = 140.9375
x2 = 137.0625

#Ausgabedatei geöffnet
with open(output_csvfile, 'a', encoding='utf-8', newline="") as f:

    #Rufen Sie den Pfad aller CSV-Dateien im Ordner ab
    All_Files = glob.glob('./data/*.csv')
    pprint.pprint (All_Files)

    #Schleifenverarbeitung für die Anzahl der CSV-Dateien
    for file in All_Files:
        #Daten in Liste speichern
        df = pd.read_csv(file, header=None, encoding='utf-8')
        print(u'Ende des Speicherprozesses im Datenrahmen')
        
        #Geben Sie einen Spaltennamen an
        df.columns = ["time_s_utc","time_f_utc","sign","surface","lon","lat","rain"]
        
        print("---Vor der Datenextraktion---")

        #Zeigen Sie die ersten 5 Werte an
        print(df.head(5))

        #Siehe dtype für jede Spalte
        print(df.dtypes)

        #Nehmen Sie die Anzahl der Zeilen und Spalten
        print(df.shape)
        
        #Extrahieren Sie Daten im Zielbereich
        df_kt = df[(df["lon"]>x2) & (df["lon"]<x1) & (df["lat"]>y2) & (df["lat"]<y1)]

        #5. Mesh-Code hinzugefügt
        df_kt['meshcode'] = ju.to_meshcode(df_kt.lat, df_kt.lon, 5)

        print("---Nach der Datenextraktion---")

        #Zeigen Sie die ersten 5 Werte an
        print(df_kt.head(5))

        #Siehe dtype für jede Spalte
        print(df_kt.dtypes)

        #Nehmen Sie die Anzahl der Zeilen und Spalten
        print(df_kt.shape)

        #Schreiben, um eine CSV-Datei auszugeben
        df_kt.to_csv(f, index=False)

    print(u'Verarbeitung beenden')

Diagramm der Ausgabeergebnisse

Ausgabe einer CSV-Datei (5-minütiger Niederschlag für jedes 5. Netz) und 5. Netzformdatei Zeichnen Sie es auf dieser Grundlage in QGIS.