python读取txt文件，读取其中的经纬度到lon、lat中

在Python中，你可以使用内置的`open()`函数配合`readlines()`方法来逐行读取TXT文件，并从每行数据中解析出经纬度信息。假设你的TXT文件是以逗号分隔的格式存储经纬度，例如：

40.7128, -74.0060
51.5074, -0.1278
...

你可以这样做：

def read_coordinates(file_path):
    with open(file_path, 'r') as file:
        lines = file.readlines()
    
    lon_list = []
    lat_list = []

    for line in lines:
        # 假设坐标以逗号分隔，去掉换行符
        parts = line.strip().split(',')
        lon, lat = float(parts[0]), float(parts[1])
        lon_list.append(lon)
        lat_list.append(lat)

    return lon_list, lat_list

# 使用函数并指定文件路径
file_name = "coordinates.txt"
lon, lat = read_coordinates(file_name)

在这个例子中，`lon_list` 和 `lat_list` 就分别存储了所有读取到的经度和纬度。

相关问题

python 将一个xlsx文件中的QPE、lon、lat等构建成nc文件，其中QPE为变量，lon、lat为经纬度维度

Python中有多种库可以用来处理Excel文件（如pandas）和NetCDF文件（如xarray和netcdf4）。要将Excel文件转换成NetCDF，首先需要读取Excel数据，然后创建一个新的NetCDF文件并设置正确的维度和变量。以下是一个简单的步骤概述：

1. **导入必要的库**:

   import pandas as pd
   import xarray as xr
   import numpy as np
   from netCDF4 import Dataset

2. **加载Excel文件**:

   df = pd.read_excel('input.xlsx', sheet_name='Sheet1')  # 假设表名为'Sheet1'
   QPE_data = df['QPE'].values  # 提取QPE列的数据
   lon_data = df['lon'].values
   lat_data = df['lat'].values

3. **检查和处理数据**:
确保数据类型正确，并按照坐标轴的要求排序。

4. **创建新的NetCDF文件**:

   nc_file = Dataset('output.nc', 'w', format='NETCDF4')

5. **添加维度**:

   time_dim = nc_file.createDimension('time', None)  # 或者根据时间长度设置具体的值
   lon_dim = nc_file.createDimension('lon', lon_data.shape[0])
   lat_dim = nc_file.createDimension('lat', lat_data.shape[0])

   lon_var = nc_file.createVariable('lon', float, ('lon',))
   lat_var = nc_file.createVariable('lat', float, ('lat',))
   lon_var[:] = lon_data
   lat_var[:] = lat_data

6. **添加变量（QPE）**:

   qpe_var = nc_file.createVariable('QPE', float, ('time', 'lat', 'lon'))
   qpe_var[:] = QPE_data

7. **保存并关闭文件**:

   nc_file.close()

8.

如何用python读取。nc文件并把其浓度绘制出来，同时这个经纬度里包括海洋流域（lon为19.5到29.5；lat为31.5到34.5)海洋区域为白色

要使用Python读取`.nc`（NetCDF）文件并绘制特定经纬度范围内的浓度数据，你可以使用一些科学计算和绘图库，如`netCDF4`、`numpy`和`matplotlib`。以下是一个简单的步骤指南：

1. 安装必要的库（如果尚未安装）：

   pip install netCDF4 numpy matplotlib

2. 使用`netCDF4`库打开`.nc`文件，并提取经纬度以及浓度数据。

3. 使用`numpy`确定经纬度在指定范围内的数据点。

4. 使用`matplotlib`绘制浓度图，并将不在经纬度指定范围内的海洋区域设置为白色。

下面是一个简单的代码示例：

import netCDF4 as nc
import numpy as np
import matplotlib.pyplot as plt

# 打开文件
with nc.Dataset('your_file.nc', 'r') as dataset:
    # 提取数据
    lons = dataset.variables['longitude'][:]  # 假设经度变量名为'longitude'
    lats = dataset.variables['latitude'][:]   # 假设纬度变量名为'latitude'
    concentration = dataset.variables['concentration'][:]  # 假设浓度变量名为'concentration'

    # 确定经纬度范围内的数据点索引
    lon_indices = np.where((lons >= 19.5) & (lons <= 29.5))
    lat_indices = np.where((lats >= 31.5) & (lats <= 34.5))
    
    # 提取经纬度范围内的浓度数据
    selected_lons = lons[lon_indices]
    selected_lats = lats[lat_indices]
    selected_concentration = concentration[lat_indices, lon_indices]

    # 绘制浓度图
    plt.figure()
    plt.scatter(selected_lons, selected_lats, c=selected_concentration, cmap='viridis')
    plt.colorbar(label='浓度')
    plt.title('浓度图')

    # 设置不在经纬度指定范围内的区域为白色
    # 这一步取决于你的绘图需求，可能需要创建一个合适的掩膜
    plt.fill_between(selected_lons, min(selected_lats), max(selected_lats), color='white', where=np.logical_or(selected_lons < 19.5, selected_lons > 29.5))
    plt.fill_between(selected_lons, min(selected_lats), max(selected_lats), color='white', where=np.logical_or(selected_lats < 31.5, selected_lats > 34.5))

    # 显示图形
    plt.show()

请注意，上述代码假设`.nc`文件中的变量名为`longitude`、`latitude`和`concentration`，并且这些变量的维度顺序是按照经度、纬度排列的。如果你的实际文件结构不同，你需要根据实际情况调整代码。