Dask-arrayer från HDF5-datamängder
Du har fått i uppgift att analysera europeisk nederbörd under de senaste 40 åren. Det månatliga genomsnittliga regnfallet i ett rutnät av platser över Europa finns tillgängligt i HDF5-format. Eftersom filen är ganska stor väljer du att läsa in och bearbeta den med Dask.
h5py har importerats åt dig, och dask.array har importerats som da.
Den här övningen är en del av kursen
Parallellprogrammering med Dask i Python
Övningsinstruktioner
- Öppna filen
'data/era_eu.hdf5'medh5py. - Läs in variabeln
'/precip'i en Dask-array med funktionenfrom_array(), och ange chunk-storlekar på (12 månader, 15 breddgrader och 15 längdgrader). - Använd array-slicing för att välja var 12:e index längs den första axeln – detta väljer januaridata från alla år.
- Beräkna medelvärdet av
january_rainfallslängs tidsaxeln (axel0) för att ta fram det genomsnittliga regnfallet i januari över Europa.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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()