入门#

pydaas 中最常用的类为 DaasClient ，它承担了从大数据云平台中读取和转换数据格式的重要功能。

DaasClient 介绍

初次使用，请配置库路径下 config/client.config 文件中的 music_server 和 music_port
用户名和密码可以指定在库路径下的 client.config 文件中的 music_user 和 music_password
用户名和密码也可以在实例化 DaasClient 类时使用 user and password 参数指定
使用 DaasClient 类读取数据时，主要通过调用其 sel 方法来实现，该方法包含以下常用参数
- datasource, 大数据云平台中的数据名称代码，也可以在库路径下config/alias.yaml 配置常用数据别名，简化复杂度
- inittime, 数值模式的起报时间或观测数据的观测时间
- fh, 模式预报时效（仅针对模式数据）
- varname, 变量名
- level, 模式垂直层（仅针对模式数据）
- lat, 维度切片
- lon, 经度切片

通过下面十个例子来了解 PyDaas的用法

Ex 1 从大数据平台中读取CMA-GFS数值模式0-24h总降水量数据，读取范围为20-40N,110-130E#

备注

通过指定 lat 、 lon 为slice对象来设定读取的数据经纬度范围

 from datetime import datetime, timedelta
 from pydaas import DaasClient

 dc = DaasClient()
 inittime = datetime.utcnow().replace(minute=0, second=0, microsecond=0, hour=12) - timedelta(days=2)
 dar = dc.sel('CMA_GFS', inittime, fh=24, varname='TPE', lat=slice(20, 40), lon=slice(110, 130))
 print(dar)

Ex 2 从大数据平台中读取ECMWF数值模式预报(30N,120E) 0-72h逐3小时850hPa温度时间序列#

备注

通过指定 fh 为 slice 对象来设定读取的预报时效范围

 from datetime import datetime, timedelta
 from pydaas import DaasClient

 dc = DaasClient()
 inittime = datetime.utcnow().replace(minute=0, second=0, microsecond=0, hour=12) - timedelta(days=2)
 dar = dc.sel('ECMWF_P', inittime, fh=slice(0, 72), varname='RHU', level=850, lat=30, lon=120)
 print(dar)

Ex 3 从大数据平台中读取ECMWF数值模式预报(30N,120E)、(25N,119E)两个点的0-72小时逐3小时850hPa相对湿度#

备注

通过指定 lat 、 lon 列表来制定要读取的数据经纬度点

 from datetime import datetime, timedelta
 from pydaas import DaasClient

 dc = DaasClient()
 inittime = datetime.utcnow().replace(minute=0, second=0, microsecond=0, hour=12) - timedelta(days=2)
 dar = dc.sel('ECMWF_P', inittime, fh=slice(0, 72), varname='RHU', level=850, lat=[30,35], lon=[120,122])
 print(dar)

Ex 4 从大数据平台中读取ECMWF-EPS集合预报24小时时效2米气温数据，读取范围为20-40N,110-130E#

备注

大数据云平台没有提供集合预报数据所有成员的一次性读取接口，因此程序内部采取迭代的方式读取各成员的数据再进行拼接，需要保证调用次数不超过分钟调用次数上限

 from datetime import datetime, timedelta
 from pydaas import DaasClient

 dc = DaasClient()
 inittime = datetime.utcnow().replace(minute=0, second=0, microsecond=0, hour=12) - timedelta(days=2)
 dar = dc.sel('ECMWF_C3E', inittime, fh=24, varname='TEM', lat=slice(20, 40), lon=slice(110, 130))
 print(dar)

Ex 5 从大数据平台中下载华东区域快速更新同化模式的某一起报时次数据#

备注

通过 download 参数指定下载路径，路径量较大时，请耐心等待下载完毕

 from datetime import datetime, timedelta
 from pydaas import DaasClient

 dc = DaasClient()
 inittime = datetime.utcnow().replace(minute=0, second=0, microsecond=0, hour=12) - timedelta(days=2)
 dar = dc.sel('CMA_SH3', datetime(2023, 6, 5, 0), download='/data')
 print(dar)

Ex 6 从大数据平台中读取地面逐小时观测杭州站（58457）10天的逐小时降水，附加站点信息#

备注

站点数据读取返回一个DataFrame对象
通过参数 index_col 设定观测时间 (Datetime) 为表格的索引列
通过参数 staIds 指定读取的区站号为杭州 (58457)
通过参数 orderBy 指定结果按照观测时间降序排列

 from datetime import datetime, timedelta
 from pydaas import DaasClient

 dc = DaasClient()
 nowtime = datetime.utcnow().replace(minute=0, second=0, microsecond=0) - timedelta(hours=1)
 times = slice(nowtime - timedelta(days=10), nowtime)

 variable = 'Station_Id_C,Station_Name,Lon,Lat,Alti,Datetime,PRE_1H'
 dar = dc.sel('SURFACE', times, varname=variable, index_col='Datetime', staIds='58457', orderBy='Datetime:desc')
 print(dar)

Ex 7 从大数据平台中读取110-130E,20-40N范围内过去24小时累计降水#

备注

使用统计接口计算累计量时，变量名只能为单个变量
通过参数 index_col 指定索引列为 ‘Station_Id_C,Station_Name,Lon,Lat,Alti’
通过设定参数 lon 、 lat 为 slice 对象指定读取的观测数据经纬度范围
通过参数 orderBy 指定结果按照观测时间降序排列

 from datetime import datetime, timedelta
 from pydaas import DaasClient

 dc = DaasClient()
 nowtime = datetime.utcnow().replace(minute=0, second=0, microsecond=0) - timedelta(hours=1)
 times = slice(nowtime - timedelta(days=1), nowtime)

 variable = 'SUM_PRE_1H'
 dar = dc.sel('SURFACE', times, varname=variable,
               index_col='Station_Id_C,Station_Name,Lon,Lat,Alti',
               lon=slice(110, 130), lat=slice(20, 40),
               orderBy='Station_Id_C:asc')
 print(dar)

Ex 8 从大数据平台中读杜苏芮台风信息#

备注

通过参数 reportCenters 指定报告中心，如 BABJ 为国家局
通过设定参数 typhNames 为 DOKSURI 指定杜苏芮台风
通过参数 orderBy 指定结果按照设定的变量升/降序排列

 from datetime import datetime, timedelta
 from pydaas import DaasClient

 dc = DaasClient()
 variable = 'Datetime,TYPH_Name,V_CHN_NAME,Num_Nati,Bul_Center,Lat,Lon,PRS,Validtime'
 inittime = datetime(2023, 7, 29, 12)
 dar = dc.sel('SEVP_ZJ_WEFC_TYP_WT', slice(inittime - timedelta(days=1), inittime),
              varname=variable, reportCenters='BABJ', typhNames='DOKSURI',
              orderBy='Num_Nati:asc,Bul_Center:asc,Validtime:asc,Datetime:asc')
 print(dar)

Ex 9 从大数据平台中读取CMAPS 5km多元融合逐小时降水数据集#

from datetime import datetime
from pydaas import DaasClient

dc = DaasClient()
dar = dc.sel('CMPA_HOR', datetime(2023, 6, 5, 0), varname='PRE',  lat=slice(20, 40), lon=slice(110, 130))
print(dar)

Ex 10 从大数据平台中读取CLDAS 5km日最低气温数据#

from datetime import datetime
from pydaas import DaasClient
dc = DaasClient()
dar = dc.sel('CLDAS_D', datetime(2023, 6, 14, 8), varname='MNT', level=None,)