基于Python的Grib数据可视化
一、库的安装
（一）matplotlib安装
matplotlib依赖
安装过程
这里我都是通过源码包安装的，大家也可以再终端里通过pip install 命令来安装
1、安装nose
解压缩后，进入命令提示符 运行
1 python3 setup.py install
2、安装numpy
解压缩后，进入命令提示符 运行
1 python3 setup.py install
3、安装pyparsing
解压缩后，进入命令提示符 运行
1 python3 setup.py install
4、安装python-dateutil
解压缩后，进入命令提示符 运行
1 python3 setup.py install
5、安装cycler
解压缩后，进入命令提示符 运行
1 python3 setup.py install
6、安装pkg-config
1 ./configure --with-intermal-glib
2 make && date
3 sudo make install && date
7、安装freetype
1 ./configure
2 make && date
3 sudo make install && date
8、安装libpng
1 ./configure
2 make && date
3 sudo make install && date
9、安装matplotlib-1.5.0
解压缩后，进入命令提示符 运行
1 python3 setup.py install
（二）basemap安装
basemap依赖
安装过程
1、安装GEOS
1 ./configure
2 make && date
3 sudo make install && date
2、安装pyproj
1 python3 setup.py install
3、安装basemap
1 python3 setup.py install
（三）pygrib安装
pygrib依赖
安装过程
由于之前已经安装了numpy和pyproj，这里只需安装Jasper和GRIB API即可安装pygrib
1、安装Jasper
1 ./configure
2 make && date
3 sudo make install && date
2、安装GRIB API
1 ./configure --with-jasper='/usr/local/'
2 make && date
3 sudo make install && date
3、安装pygrib
安装pygrib之前首先要根据自己的实际情况修改文件目录下的setup.cfg文件，最主要的就是修改grib_api_dir和jasper_dir，这两个是刚刚安装的Jasper和GRIB API的路径，如果这两个地址不正确安装会报错
修改好就可以正常安装了
1 python3 setup.py install
二、grib数据读取
虽然我做的东西和气象沾边，但是我本身并不是气象专业出身，所有这些东西都是我慢慢研究琢磨出来的，所以有些方面可能讲的比较外行，有不对的地方欢迎大家留言指正。
（一）导入pygrib模块
1 >>> import pygrib
（二）打开Grib文件
1 >>> grbs = pygrib.open('/Users/Kallan/Documents/data/echhae50.082')
（三）提取文件信息
1 >>> grbs.seek(0)
2 >>> for grb in grbs:
3 grb
4 1:Geopotential Height:gpm (instant):regular_ll:isobaricInhPa:level 500:fcst time 24 :from 201507081200
信息解读
1 :数据列表的行号，有的文件可能包括多个数据
Geopotential Height:数据的名称
gpm (instant):数据的单位
regular_ll:常规数据，其实这个字段我也不清楚
isobaricInhPa:这个字段表示的是数据属性，此处表示是以hPa为单位的等压面
level 500:这个字段表示的是高度层
fcst time 24 :预报时效
from 201507081200 :起报时间
综合上面的信息可以得出，这个文件是从2015年7月8日12时开始的24小时后500hPa等压面高度场数据
（四）导出文件数据
1 >>> grb = grbs.select(name='Geopotential Height')[0]
2 >>> data = grb.values
3 >>> print(data.shape,data.min(),data.max())
4 (37, 37) 5368.6796875 5941.0390625
5 >>> lat,lon=grb.latlons()
6 >>> print(lat,'\n',lon)
7 [[ 0. 0. 0. ..., 0. 0. 0. ]
8 [ 2.5 2.5 2.5 ..., 2.5 2.5 2.5]
9 [ 5. 5. 5. ..., 5. 5. 5. ]
10 ...,
11 [ 85. 85. 85. ..., 85. 85. 85. ]
12 [ 87.5 87.5 87.5 ..., 87.5 87.5 87.5]
13 [ 90. 90. 90. ..., 90. 90. 90. ]]
14 [[-90. -87.5 -85. ..., -5. -2.5 0. ]
15 [-90. -87.5 -85. ..., -5. -2.5 0. ]
16 [-90. -87.5 -85. ..., -5. -2.5 0. ]
17 ...,
18 [-90. -87.5 -85. ..., -5. -2.5 0. ]
19 [-90. -87.5 -85. ..., -5. -2.5 0. ]
20 [-90. -87.5 -85. ..., -5. -2.5 0. ]]
三、grib数据可视化
（一）导入需要的模块
1 >>> import matplotlib.pyplot as plt
2 >>> from mpl_toolkits.basemap import Basemap
3 >>> import numpy as np
（二）创建一个figure
1 >>> plt.figure()
2 <matplotlib.figure.Figure object at 0x107e65198>
（三）创建一个basemap实例
1 >>> m=Basemap(projection='mill',lat_ts=10,llcrnrlon=lon.min(), \
2 urcrnrlon=lon.max(),llcrnrlat=lat.min(),urcrnrlat=lat.max(), \
3 resolution='c')
4 >>> m.drawcoastlines(linewidth=0.25)
5 <matplotlib.collections.LineCollection object at 0x1091c1f28>
6 >>> m.drawcountries(linewidth=0.25)
7 <matplotlib.collections.LineCollection object at 0x10621d0f0>
8 >>> m.fillcontinents(color='coral',lake_color='aqua')
9 >>> m.drawmapboundary(fill_color='aqua')
10 <matplotlib.patches.Rectangle object at 0x10918b3c8>
11 >>> m.drawmeridians(np.arange(0,360,30))
12 >>> m.drawparallels(np.arange(-90,90,30))
（四）将lat，lon的数据格式转换成投影需要的格式存入x，y
1 >>> x, y = m(lon,lat)
（五）绘制等值线
1 >>> cs = m.contour(x,y,data,15,linewidths=1.5)
（六）命名并显示图像
1 >>> plt.title('Geopotential Height Contour from Grib')
2 <matplotlib.text.Text object at 0x10918bda0>
3 >>> plt.show()