解析
 
from datetime import *

import time

import calendar

import json

import numpy as np

from struct import *

import binascii

import netCDF4

file = open(r"D:/radarDataTest/Z_QPF_20140831203600.F030.bin", "rb")

data = file.read();

print(len(data))

file.close()

#

file = open(r"D:/radarDataTest/Z_QPF_20140831203600.F030.bin", "rb")

length = 0

zonName,dataName,flag,version, = unpack("12s38s8s8s", file.read(12+38+8+8))

zonName = zonName.decode("gbk").rstrip('\x00')

dataName = dataName.decode("gbk").rstrip('\x00')

flag = flag.decode("gbk").rstrip('\x00')

version = version.decode("gbk").rstrip('\x00')

length = length + 12+38+8+8

#

print(zonName)

print("数据说明: " + dataName)

print("文件标志: " + flag)

print("数据版本号: " + version)

#

year,month,day,hour,minute,interval, = unpack("HHHHHH", file.read(2+2+2+2+2+2))

print("时间: "+str(year)+"-"+str(month)+"-"+str(day)+" "+str(hour)+":"+str(minute))

print("时段长: "+str(interval))

length = length + 2+2+2+2+2+2

#

XNumGrids,YNumGrids,ZNumGrids, = unpack("HHH", file.read(2+2+2))

print("X: " + str(XNumGrids)+"  Y: "+str(YNumGrids)+"  Z:"+str(ZNumGrids))

length = length + 2+2+2

#

RadarCount, = unpack("i", file.read(4))

print("拼图雷达数: " + str(RadarCount))

length = length + 4

#

StartLon,StartLat,CenterLon,CenterLat,XReso,YReso, = unpack("ffffff", file.read(4+4+4+4+4+4))

print("开始经度: "+str(StartLon)+"  开始纬度:"+str(StartLat)+"  中心经度:"+str(CenterLon)+"  中心纬度:"+str(CenterLat))

print("经度方向分辨率:"+str(XReso)+"  纬度方向分辨率:"+str(YReso))

length = length + 4+4+4+4+4+4

ZhighGrids=[]

for i in range(0, 40):

    ZhighGrid, = unpack("f", file.read(4))

    ZhighGrids.append(ZhighGrid)

print("垂直方向的高度:"+str(ZhighGrids))

length = length + 40*4

#

RadarStationNames=[]

for i in range(0, 20):

    RadarStationName, = unpack("16s", file.read(16))

    RadarStationName = RadarStationName.decode("gbk")

    RadarStationNames.append(RadarStationName.rstrip('\x00'))

print("相关站点名称:"+str(RadarStationNames))

length = length + 20*16

#

RadarLongitudes=[]

for i in range(0, 20):

    RadarLongitude, = unpack("f", file.read(4))

    RadarLongitudes.append(RadarLongitude)

print("相关站点所在经度:"+str(RadarLongitudes))

length = length + 20*4

#

RadarLatitudes=[]

for i in range(0, 20):

    RadarLatitude, = unpack("f", file.read(4))

    RadarLatitudes.append(RadarLatitude)

print("相关站点所在纬度:"+str(RadarLatitudes))

length = length + 20*4

#

RadarAltitudes=[]

for i in range(0, 20):

    RadarAltitude, = unpack("f", file.read(4))

    RadarAltitudes.append(RadarAltitude)

print("相关站点所在海拔高度:"+str(RadarAltitudes))

length = length + 20*4

#

MosaicFlags=[]

for i in range(0, 20):

    MosaicFlag, = unpack("B", file.read(1))

    MosaicFlags.append(MosaicFlag)

print("该相关站点数据是否包含在本次拼图中:"+str(MosaicFlags))

length = length + 20*1

#

m_iDataType, = unpack("h", file.read(2))

print("数据类型定义:"+str(m_iDataType))

if m_iDataType==0:

    print("unsigned char")

elif m_iDataType==1:

    print("char")

elif m_iDataType==2:

    print("unsigned short")

elif m_iDataType==3:

    print("short")

elif m_iDataType==4:

    print("unsigned short")

length = length + 2

#

m_iLevelDimension, = unpack("h", file.read(2))

print("每一层的向量数:"+str(m_iLevelDimension))

length = length + 2

#

Reserveds=[]

Reserveds, = unpack("168s", file.read(168))

Reserveds = Reserveds.decode("gbk").rstrip('\x00')

print("该相关站点数据是否包含在本次拼图中: "+Reserveds)

length = length + 168

#打印数据

valueZYX = []

for i in range(0, ZNumGrids):

    valueYX = []

    for j in range(0, YNumGrids):

        valueX = []

        for k in range(0, XNumGrids):

            value, = unpack("h", file.read(2))

            #value, = unpack("b", file.read(1))

            '''

            if value > 0:

                print(value)

            '''

            valueX.append(value)

        valueYX.append(valueX)

    valueZYX.append(valueYX)

#

#print("数据:"+str(valueZYX))

length = length + ZNumGrids*YNumGrids*XNumGrids*2

print(length)

#

print("----------------------------数据----------------------------")

file.close()
生成ASCII
import time

from struct import *

start = time.clock()

file = open(r"D:/radarDataTest/Z_QPF_20140831203600.F030.bin", "rb")

#

zonName,dataName,flag,version, = unpack("12s38s8s8s", file.read(12+38+8+8))

zonName = zonName.decode("gbk").rstrip('\x00')

dataName = dataName.decode("gbk").rstrip('\x00')

flag = flag.decode("gbk").rstrip('\x00')

version = version.decode("gbk").rstrip('\x00')

#

print(zonName)

print("数据说明: " + dataName)

print("文件标志: " + flag)

print("数据版本号: " + version)

#

length = 0

length = length + 2+2+2+2+2+2  # 时间说明

file.read(length)

XNumGrids,YNumGrids,ZNumGrids, = unpack("HHH", file.read(2+2+2))

print("X: " + str(XNumGrids)+"  Y: "+str(YNumGrids)+"  Z:"+str(ZNumGrids))

length = 0

length = length + 4  # 拼图雷达数

file.read(length)

#

StartLon,StartLat,CenterLon,CenterLat,XReso,YReso, = unpack("ffffff", file.read(4+4+4+4+4+4))

print("开始经度: "+str(StartLon)+"  开始纬度:"+str(StartLat)+"  中心经度:"+str(CenterLon)+"  中心纬度:"+str(CenterLat))

print("经度方向分辨率:"+str(XReso)+"  纬度方向分辨率:"+str(YReso))

ZhighGrids=[]

for i in range(0, 40):

    ZhighGrid, = unpack("f", file.read(4))

    ZhighGrids.append(ZhighGrid)

print("  垂直方向的高度:"+str(ZhighGrids))

#

length = 0

length = length + 20*16  # 相关站点名称

length = length + 20*4   # 相关站点所在经度

length = length + 20*4   # 相关站点所在纬度

length = length + 20*4   # 相关站点所在海拔高度

length = length + 20*1   # 该相关站点数据是否包含在本次拼图中

length = length + 2      # 数据类型定义

length = length + 2      # 每一层的向量数

length = length + 168    # 保留信息

file.read(length)

textZYX = []

for i in range(0, ZNumGrids):

    textYX = []

    for j in range(0, YNumGrids):

        textX = []

        for k in range(0, XNumGrids):

            value, = unpack("h", file.read(2))

            textX.append(str(value))

        textYX.append(' '.join(textX))

    textZYX.append('\n'.join(textYX))

file.close()

#

#-------------------------------------------------------------------------------

file_object = open('ASCIIData.txt', 'w')

file_object.write("NCOLS         " + str(XNumGrids) + "\n")

file_object.write("NROWS         " + str(YNumGrids) + "\n")

file_object.write("XLLCENTER     " + str(StartLon) + "\n")

file_object.write("YLLCENTER     " + str(StartLat - YReso * (YNumGrids - 1)) + "\n")  # round(YReso, 3) *

file_object.write("CELLSIZE      " + str(XReso) + "\n")

file_object.write("NODATA_VALUE  " + str(-9999) + "\n")

#

#

file_object.writelines(textZYX[0])

file_object.close()

end = time.clock()

print("read: %f s" % dateSpanTransfer)

dateSpanTransfer = end - start

#-------------------------------------------------------------------------------
生成Image（.img）
import time

from struct import *

from osgeo import gdal, osr

from osgeo.gdalconst import *

import numpy

start = time.clock()

file = open(r"D:/radarDataTest/Z_QPF_20140831203600.F030.bin", "rb")

#

zonName,dataName,flag,version, = unpack("12s38s8s8s", file.read(12+38+8+8))

zonName = zonName.decode("gbk").rstrip('\x00')

dataName = dataName.decode("gbk").rstrip('\x00')

flag = flag.decode("gbk").rstrip('\x00')

version = version.decode("gbk").rstrip('\x00')

#

print(zonName)

print("数据说明: " + dataName)

print("文件标志: " + flag)

print("数据版本号: " + version)

#

length = 0

length = length + 2+2+2+2+2+2  # 时间说明

file.read(length)

XNumGrids,YNumGrids,ZNumGrids, = unpack("HHH", file.read(2+2+2))

print("X: " + str(XNumGrids)+"  Y: "+str(YNumGrids)+"  Z:"+str(ZNumGrids))

length = 0

length = length + 4  # 拼图雷达数

file.read(length)

#

StartLon,StartLat,CenterLon,CenterLat,XReso,YReso, = unpack("ffffff", file.read(4+4+4+4+4+4))

print("开始经度: "+str(StartLon)+"  开始纬度:"+str(StartLat)+"  中心经度:"+str(CenterLon)+"  中心纬度:"+str(CenterLat))

print("经度方向分辨率:"+str(XReso)+"  纬度方向分辨率:"+str(YReso))

ZhighGrids=[]

for i in range(0, 40):

    ZhighGrid, = unpack("f", file.read(4))

    ZhighGrids.append(ZhighGrid)

print("  垂直方向的高度:"+str(ZhighGrids))

#

length = 0

length = length + 20*16  # 相关站点名称

length = length + 20*4   # 相关站点所在经度

length = length + 20*4   # 相关站点所在纬度

length = length + 20*4   # 相关站点所在海拔高度

length = length + 20*1   # 该相关站点数据是否包含在本次拼图中

length = length + 2      # 数据类型定义

length = length + 2      # 每一层的向量数

length = length + 168    # 保留信息

file.read(length)

valueZYX = []

for i in range(0, ZNumGrids):

    valueYX = []

    for j in range(0, YNumGrids):

        valueX = []

        for k in range(0, XNumGrids):

            value, = unpack("h", file.read(2))

            valueX.append(value)

        valueYX.append(valueX)

    valueZYX.append(valueYX)

file.close()

#

#

#-------------------------------------------------------------------------------

end = time.clock()

dateSpanTransfer = end - start

print("read: %f s" % dateSpanTransfer)

#

#

driver = gdal.GetDriverByName('HFA')

driver.Register()

dataSetImg = driver.Create( "D:/radarDataTest/edarsImage.img", XNumGrids, YNumGrids, 1, gdal.GDT_Float32 )

#

dataSetImg.SetGeoTransform( [ StartLon, XReso, 0, StartLat, 0, -YReso ] )

#

srs = osr.SpatialReference()

srs.SetWellKnownGeogCS( 'WGS84' )

dataSetImg.SetProjection( srs.ExportToWkt() )

#

value2D = numpy.matrix( valueYX, dtype=numpy.float32 )

dataSetImg.GetRasterBand(1).WriteArray( value2D )

#

dataSetImg = None

#datasource.Destroy()

#-------------------------------------------------------------------------------
生成netCDF
from datetime import *

import time

import calendar

import json

import numpy as np

from struct import *

import binascii

import numpy

from numpy.random import uniform

from netCDF4 import Dataset

start = time.clock()

file = open(r"D:/radarDataTest/Z_QPF_20140831203600.F030.bin", "rb")

#

zonName,dataName,flag,version, = unpack("12s38s8s8s", file.read(12+38+8+8))

zonName = zonName.decode("gbk").rstrip('\x00')

dataName = dataName.decode("gbk").rstrip('\x00')

flag = flag.decode("gbk").rstrip('\x00')

version = version.decode("gbk").rstrip('\x00')

#

print(zonName)

print("数据说明: " + dataName)

print("文件标志: " + flag)

print("数据版本号: " + version)

#

length = 0

length = length + 2+2+2+2+2+2  # 时间说明

file.read(length)

XNumGrids,YNumGrids,ZNumGrids, = unpack("HHH", file.read(2+2+2))

print("X: " + str(XNumGrids)+"  Y: "+str(YNumGrids)+"  Z:"+str(ZNumGrids))

length = 0

length = length + 4  # 拼图雷达数

file.read(length)

#

StartLon,StartLat,CenterLon,CenterLat,XReso,YReso, = unpack("ffffff", file.read(4+4+4+4+4+4))

print("开始经度: "+str(StartLon)+"  开始纬度:"+str(StartLat)+"  中心经度:"+str(CenterLon)+"  中心纬度:"+str(CenterLat))

print("  经度方向分辨率:"+str(XReso)+"  纬度方向分辨率:"+str(YReso))

ZhighGrids=[]

for i in range(0, 40):

    ZhighGrid, = unpack("f", file.read(4))

    ZhighGrids.append(ZhighGrid)

print("  垂直方向的高度:"+str(ZhighGrids))

#

length = 0

length = length + 20*16  # 相关站点名称

length = length + 20*4   # 相关站点所在经度

length = length + 20*4   # 相关站点所在纬度

length = length + 20*4   # 相关站点所在海拔高度

length = length + 20*1   # 该相关站点数据是否包含在本次拼图中

length = length + 2      # 数据类型定义

length = length + 2      # 每一层的向量数

length = length + 168    # 保留信息

file.read(length)

valueZYX = []

for i in range(0, ZNumGrids):

    valueYX = []

    for j in range(0, YNumGrids):

        valueX = []

        for k in range(0, XNumGrids):

            #value, = unpack("h", file.read(2))

            #textX.append(str(value/10.0))

            value, = unpack("b", file.read(1))

            textX.append(str(value*2+66.0))

        valueYX.append(valueX)

    valueZYX.append(valueYX)

file.close()

#

valueXYZ = []

for k in range(0, XNumGrids):

    for j in range(0, YNumGrids):

        for i in range(0, ZNumGrids):

            valueXYZ.append(valueZYX[i][j][k])

#

file = open(r"D:/radarDataTest/Z_QPF_20140831203600.F030.bin", "rb")

rootgrp = Dataset("test.nc", "w", format="NETCDF4")

#rootgrp = Dataset("test.nc", "a")

#fcstgrp = rootgrp.createGroup("forecasts")

lon = rootgrp.createDimension("lon", XNumGrids)

lat = rootgrp.createDimension("lat", YNumGrids)

alt = rootgrp.createDimension("alt", ZNumGrids)

lon = rootgrp.createVariable("lon", "f8", ("lon",))

lat = rootgrp.createVariable("lat", "f8", ("lat",))

alt = rootgrp.createVariable("alt", "f8", ("alt",))

#val = rootgrp.createVariable("val","f4",("zz","yy","xx",))

val = rootgrp.createVariable("val","f4",("lon","lat","alt",))

#

rootgrp.description = dataName

rootgrp.history = "创建时间： " +  time.strftime('%Y-%m-%d %X', time.localtime())

rootgrp.Source_Software = "SmartMap"

#

lon.units = "degrees_east"

lon.long_name = "longitude coordinate"

lon.standard_name = "longitude"

#

lat.units = "degrees_north"

lat.long_name = "latitude coordinate"

lat.standard_name = "latitude"

#

alt.units = "m"

alt.long_name = "altitude"

alt.standard_name = "heigh"

#

val.long_name = "value"

val.esri_pe_string = 'GEOGCS["GCS_WGS_1984",DATUM["D_WGS_1984",SPHEROID["WGS_1984",6378137.0,298.257223563]],PRIMEM["Greenwich",0.0],UNIT["Degree",0.0174532925199433]]'

val.coordinates = "lon lat alt"

val.units = "Degree"

val.missing_value = -9999

#interval = 0.009999999776482582

interval = 0.01

#x =  numpy.arange(-90,91,2.5)

x = []

for i in range(0, XNumGrids):

    x.append(StartLon + i * round(XReso, 3))

#x =  numpy.array(x)

lon[:] = x

#

#y =  numpy.arange(-180,180,2.5)

y = []

for i in range(0, YNumGrids):

    y.append(StartLat - i * round(YReso, 3))

#y =  numpy.array(y)

lat[:] = y

#

z = []

for i in range(0, ZNumGrids):

    z.append(ZhighGrids[i])

#z =  numpy.array(z)

alt[:] = z

#

#kk = uniform(size=(2,3,4,5))

#print(kk)

#val[::]=valueZYX

val[::] = valueXYZ

#

rootgrp.close()

Python解析SWAN气象雷达数据--（解析、生成ASCII、Image、netCDF）的更多相关文章

  1. python爬虫的页面数据解析和提取/xpath/bs4/jsonpath/正则(1)

    一.数据类型及解析方式 一般来讲对我们而言,需要抓取的是某个网站或者某个应用的内容,提取有用的价值.内容一般分为两部分,非结构化的数据 和 结构化的数据. 非结构化数据:先有数据,再有结构, 结构化数 ...

  2. python爬虫---爬虫的数据解析的流程和解析数据的几种方式

    python爬虫---爬虫的数据解析的流程和解析数据的几种方式 一丶爬虫数据解析 概念:将一整张页面中的局部数据进行提取/解析 作用:用来实现聚焦爬虫的吧 实现方式: 正则 (针对字符串) bs4 x ...

  3. 数据解析_bs进行数据解析

    1.bs4进行数据解析 数据解析的原理 1.标签定位 2.提取标签,标签属性中存储的数据值 bs4数据解析的原理 1.实例化一个BeautifulSoup对象,并且将页面源码数据加载到该对象中 2.通 ...

  4. Python爬虫之三种数据解析方式

    一.引入 二.回顾requests实现数据爬取的流程 指定url 基于requests模块发起请求 获取响应对象中的数据 进行持久化存储 其实,在上述流程中还需要较为重要的一步,就是在持久化存储之前需 ...

  5. 05 Python网络爬虫的数据解析方式

    一.爬虫数据解析的流程 1.指定url 2.基于requests模块发起请求 3.获取响应中的数据 4.数据解析 5.进行持久化存储 二.解析方法 (1)正则解析 (2)bs4解析 (3)xpath解 ...

  6. Unity3d-XML文件数据解析&JSON数据解析

    1.XML文件数据解析:(首先须要导入XMLParser解析器,The latest released download from:http://dev.grumpyferret.com/unity/ ...

  7. python爬虫的页面数据解析和提取/xpath/bs4/jsonpath/正则(2)

    上半部分内容链接 : https://www.cnblogs.com/lowmanisbusy/p/9069330.html 四.json和jsonpath的使用 JSON(JavaScript Ob ...

  8. 如何使用fastJson来解析JSON格式数据和生成JSON格式数据

    由于项目用到了JSON格式的数据,在网上搜索到了阿里的fastjson比较好用,特此记录fastjson用法,以备以后查询之用. decode: 首先创建一个JSON解析类: public class ...

  9. python+jinja2实现接口数据批量生成工具

    在做接口测试的时候,我们经常会遇到一种情况就是要对接口的参数进行各种可能的校验,手动修改很麻烦,尤其是那些接口参数有几十个甚至更多的,有没有一种方法可以批量的对指定参数做生成处理呢. 答案是肯定的! ...

随机推荐

  1. python3中文件操作及编码

    #之前一直没明白文件处理中的w和wb的区别到底是什么,#在看过视频后才知道,原来在linux里面是没有区别的,#但是在windows里面就能够看出区别来了#下面来个例子: with open(&quo ...

  2. selenium+java iframe定位

      关于 driver.switchTo().frame(参数).这中间的参数表达有以下几种方式. driver.switchTo().frame(0):用<iframe>标签的位置数量来 ...

  3. Visual Studio 中的 Office 和 SharePoint 开发

    MSDN Library 开发工具和语言  Visual Studio 中的 Office 和 SharePoint 开发 https://msdn.microsoft.com/zh-cn/libra ...

  4. 使用mysqldump备份单表数据，并使用navicat导出单表中部分字段到excel

    今天工作上遇到一个问题,客户需要将生产环境上数据库中用户表中的用户名.登录名.邮箱三个字段导出到excel中,查了一下,分两个步骤完成了任务 1. 使用mysqldump命令将生产环境的user表备份 ...

  5. php 按照二位数组中某个指定的字段进行排序

    /** * 按照二维数组中某个指定的某个字段进行排序 * @param $array 需要被排序的数组 * @param $flag 排序的标志 1,SORT_DESC 降序 2,SORT_ASC 升 ...

  6. apache URL重写 标志表 以及 错误解决方法

    Apache mod_rewrite规则重写的标志一览 1) R[=code](force redirect) 强制外部重定向 强制在替代字符串加上http://thishost[:thisport] ...

  7. 【链表】Swap Nodes in Pairs（三指针）

    题目: Given a linked list, swap every two adjacent nodes and return its head. For example,Given 1-> ...

  8. elasticsearch(六) 之 elasticsearch优化

    目录 elasticsearch 优化 从硬件上 : 从软件上: 从用户使用层 elasticsearch 优化 从硬件上 : 使用SSD 硬盘,解决io导致的瓶颈. 增大内存 但不超过32G(单实例 ...

  9. 将已有Git库代码推送到新建库中

    cd /path/to/your/git/repo/ git remote -v git remote rm origin git remote add origin ssh://abc@gmail. ...

  10. ARM的体系结构与编程系列博客——ARM的历史与应用范围

    前言 最近我感觉自己比较浮躁,重来没有好好地沉下心来做一件事情,而且针对自己在专业水平上仍然还有很多欠缺,于是我想我应该为自己做些什么来证明一下自己真的是潜心研究东西的人,于是我萌生了一个想法,真正地 ...