[Note] Sur la base de la latitude et de la longitude du fichier CSV, nous avons créé un script qui extrait les données dans la plage cible et ajoute un code de maillage.

Objectif

Sur la base de la latitude et de la longitude du fichier CSV, j'ai créé un script qui extrait les données de la plage cible et ajoute du code de maillage.

Conditions préalables

• Windows10 --Python3 est déjà installé.
• Différentes bibliothèques telles que pandas et jismesh doivent être installées. --jismesh est une bibliothèque Python qui vous permet de trouver le code du maillage à partir de la latitude et de la longitude.
• Le fichier csv à saisir utilise la sortie de données de diffusion immédiate haute résolution (fichier csv) dans l'article suivant.

[Note] J'ai créé un script pour convertir les données au format grib2 en fichier csv

• Fichier CSV à saisir ―― Les 5e et 6e colonnes sont la longitude et la latitude, et la 7e colonne est la valeur des précipitations.

Courir

--Spécifiez le dossier d'entrée (en supposant qu'il existe plusieurs fichiers csv) et le fichier CSV de sortie.

• Spécifiez la plage cible pour l'extraction des données en latitude et longitude (y1, y2, x1, x2). ――Cet article couvre la région de Kanto.
• Exécutez le script Python.

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

#Spécifiez le fichier de sortie
output_csvfile = "./out/highres_nowcast_anl_kanto.csv"

#Réglage de la plage cible
y1 = 37.29166666666667
y2 = 34.04166666666667
x1 = 140.9375
x2 = 137.0625

#Fichier de sortie ouvert
with open(output_csvfile, 'a', encoding='utf-8', newline="") as f:

    #Obtenez le chemin de tous les fichiers csv dans le dossier
    All_Files = glob.glob('./data/*.csv')
    pprint.pprint (All_Files)

    #Traitement en boucle pour le nombre de fichiers csv
    for file in All_Files:
        #Stocker les données dans la liste
        df = pd.read_csv(file, header=None, encoding='utf-8')
        print(u'Fin du processus de stockage dans la trame de données')
        
        #Donnez un nom de colonne
        df.columns = ["time_s_utc","time_f_utc","sign","surface","lon","lat","rain"]
        
        print("---Avant l'extraction des données---")

        #Afficher les 5 premières valeurs
        print(df.head(5))

        #Voir dtype pour chaque colonne
        print(df.dtypes)

        #Prenez le nombre de lignes et de colonnes
        print(df.shape)
        
        #Extraire des données dans la plage cible
        df_kt = df[(df["lon"]>x2) & (df["lon"]<x1) & (df["lat"]>y2) & (df["lat"]<y1)]

        #Ajout du 5ème code de maillage
        df_kt['meshcode'] = ju.to_meshcode(df_kt.lat, df_kt.lon, 5)

        print("---Après l'extraction des données---")

        #Afficher les 5 premières valeurs
        print(df_kt.head(5))

        #Voir dtype pour chaque colonne
        print(df_kt.dtypes)

        #Prenez le nombre de lignes et de colonnes
        print(df_kt.shape)

        #Écrire dans le fichier CSV de sortie
        df_kt.to_csv(f, index=False)

    print(u'Sortie de traitement')

Diagramme des résultats de sortie

Fichier csv de sortie (précipitation de 5 minutes pour chaque 5ème maillage) et fichier de forme du 5ème maillage Sur cette base, tracez-le dans QGIS.