netCDF文件后缀名是.nc，是一种二进制的网格文件，无法直接打开，下面给出基于python的netCDF文件生成的脚本。
输入数据说明：
数据为31°N-40°N，130°E-142°E区域表层的地震波速，网格分布大小不均匀。数据存储在txt文件中，分为三列，无表头。
部分数据记录见下图，第一列是经度，第二列是维度，第三列是波速扰动值%
过程与代码
为了将其生成均匀网格的二维nc文件，我们需要1.文件读取，2.数据插值，3.写入nc文件。
1 '''
2 program: ncdata.py
3 goal: interpolate txt data and generate grd file
4 input: vp1_02.txt
5 output: vp1_03.nc
6 author: Liang Xuran
7 e-mail: xuranliang@hotmail.com
8 time: 2020.08.23
9 '''
10 import netCDF4 as nc
11 import pandas as pd
12 import numpy as np
13 import copy
14
15 file_txt = "vp1_02.txt"#txt文件位置
16 file_nc = "vp1_03.nc" #nc文件输出位置
17 npa = 37 #纬向格点数(uninpolate)
18 nra = 45 #经向格点数(uninpolate)
19 npx = 180 #纬向格点数(inpolate)
20 nrx = 240 #经向格点数(inpolate)
21
22 #使用Dataset创建nc文件
23 nc_pro = nc.Dataset("vp1_03.nc", 'w', format = 'NETCDF4')
24
25 #命名nc文件变量，None为*维度,name='pna',size=npa
26 nc_pro.createDimension('pna',npx+1)
27 nc_pro.createDimension('rna',nrx+1)
28
29 #设置nc文件中变量类型，这里使用的是float64
30 pna = nc_pro.createVariable('pna',np.float64,('pna',))
31 rna = nc_pro.createVariable('rna',np.float64,('rna',))
32 dv = nc_pro.createVariable('dv',np.float64,('pna','rna'))
33
34 #定义变量单位
35 pna.units = 'degree'
36 rna.units = 'degree'
37 dv.units = '%'
38
39 #使用panda中的read_csv读取txt文件
40 #type(nc_data)=<class 'pandas.core.frame.DataFrame'>
41 nc_data=pd.read_csv("vp1_02.txt",delim_whitespace=True,names='rpv')
42
43 #插值操作:精度0.05degree,范围rna=130:142;pna=31:40
44 pnx = nc_data['p'].values[0:1665:nra]
45 rnx = nc_data['r'].values[0:nra]
46 dvx = nc_data['v'].values.reshape(npa,nra)
47 rx = np.linspace(130,142,241)
48 px = np.linspace(31,40,181)
49 vx = np.full([181,241],np.nan)
50 for i in range(npa):
51 for j in range(nra):
52 m = int(round((pnx[i]-pnx[0])/0.05))
53 n = int(round((rnx[j]-rnx[0])/0.05))
54 vx[m,n]=dvx[i,j]
55 #纵向插值,从vx[181,241]获得中间量dv_inpolate1[181,241]
56 nc_v_uninpo = pd.DataFrame(vx) #transfer np.array into pandas.DataFrame
57 nc_v_inpo1 = nc_v_uninpo.interpolate() #pandas.DataFrame interpolate
58 dv_inpolate1 = nc_v_inpo1.values #tansfer pandas.DataFrame into np.array
59 #横向插值,从dv_inpolate1[181,241]获得中间量dv_inpolate2[181,241]
60 nc_v_inpo = pd.DataFrame(dv_inpolate1.T)
61 nc_v_inpo2 = nc_v_inpo.interpolate()
62 dv_inpolate2 = nc_v_inpo2.values.T
63
64 #将数值输入到nc文件中,input must be np.array
65 nc_pro.variables['pna'][:] = px
66 nc_pro.variables['rna'][:] = rx
67 nc_pro.variables['dv'][:,:] = dv_inpolate2[:,:]
68 #为避免内存的占用，写完一个关闭一个
69 nc_pro.close()
70
踩坑指南：
1.文件路径最好写相对路径，第15-16行写绝对路径/mnt/f/research/vp1_02.txt会出现报错。
2.插值前后格点数量有所扩充，由于经纬度的变量检索是从0开始的，因此，26-27行创建变量的维度需要加1，也可以定位None，代表*维度。
3.元组只有一个元素时，需要在括号末尾加“，”，例如30-31行。
4.用pandas.read_csv读取文件时，第41行，默认数据之间时用“，”逗号连接的，需要修改默认值delim_whitespace代表用空格连接。names代表每一列的元素名称。
5.二维数据pandas.DataFrame进行赋值/输出内容时，需要使用其values属性，例如44-46行。在插值过程中，也需要将numpy.array矩阵转为pandas.DataFrame网格后进行，例如55-62行。
6.nc文件的变量被赋值的时候，只接受numpy.array数据，例如65-67行；二维的numpy.array数据索引是一个中括号而不是两个中括号[0:181,0:241]，例如54行和67行。
7.关于变量的索引和插值前后数据的对比检验。可以参考下图：
检验未插值部分的数据，选择34.25°N-34.30°N，134.80°E-134.85°E区域： dvx[10:12,12:14] vx[65:67,96:98]
检验已插值部分的数据，选择33.2°N-33.4°N，136.6°E-136.8°E的区域： dvx[2:4,41:43] vx[4:9,132:137]