Array-uri Dask din seturi de date HDF5

Ai primit sarcina de a analiza precipitațiile din Europa în ultimii 40 de ani. Ți s-a pus la dispoziție media lunară a precipitațiilor pentru o grilă de locații din Europa, în format HDF5. Deoarece fișierul este destul de mare, alegi să îl încarci și să îl procesezi cu Dask.

h5py a fost deja importat, iar dask.array a fost importat ca da.

Acest exercițiu face parte din cursul

Programare paralelă cu Dask în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Deschide fișierul 'data/era_eu.hdf5' folosind h5py.
Încarcă variabila '/precip' într-un array Dask folosind funcția from_array() și setează chunk-uri de (12 luni, 15 latitudini și 15 longitudini).
Folosește slicing pentru a selecta fiecare al 12-lea index de-a lungul primei axe – astfel selectezi datele din luna ianuarie pentru toți anii.
Calculează media january_rainfalls de-a lungul axei temporale (axa 0) pentru a obține precipitațiile medii din ianuarie la nivelul Europei.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Open the HDF5 dataset using h5py
hdf5_file = ____.____(____)

# Load the file into a Dask array with a reasonable chunk size
precip = da.____(____, chunks=____)

# Select only the months of January
january_rainfalls = ____[____]

# Calculate the mean rainfall in January for each location
january_mean_rainfall = ____.____(axis=____)

plt.imshow(january_mean_rainfall.compute())
plt.show()

Editează și rulează codul